Upload
cargan
View
43
Download
0
Embed Size (px)
DESCRIPTION
Gestión de Riesgos Climáticos en la Agricultura: Transferir Riesgos: Seguros. Walter E. Baethgen Latin America and the Caribbean Regional Program International Research Institute for Climate and Society Columbia University. Gestión de Riesgos Climáticos. - PowerPoint PPT Presentation
Citation preview
Walter E. BaethgenLatin America and the Caribbean Regional Program
International Research Institute for Climate and SocietyColumbia University
Gestión de RiesgosClimáticos en la Agricultura:
Transferir Riesgos: Seguros
Gestión de Riesgos Climáticos
0. Identificar Vulnerabilidades (con usuarios)
• Reducir Incertidumbres Proveer Información Relevante (ej., Probabilidad de estación* “buena”, “mala”)
2. Identificar Tecnologías que reducen la Vulnerabilidad (Diversificar, almacenaje deagua, irrigación, etc.)
3. Intervenciones de Políticas / Instituciones para Reducir y/o Transferir los riesgos (créditos dirigidos, seguros)
Gestionar todo el rango de VARIABILIDAD
CRISISej., Mitch
DIFICULTADej., Sequía
Gestionar todo el rango de VARIABILIDAD
OPORTUNIDADESPERDIDAS
También CríticoPara Desarrollo:
Aversión al Riesgo reduce la adopción de
Tecnología
Afecta Recursos Naturales
“Trampas de Pobreza” (“Poverty Traps”)
CRISISej., Mitch
DIFICULTADej., Sequía
Gestionar todo el rango de VARIABILIDAD
OPORTUNIDADESPERDIDAS
1. Reducir Incertidumbres:
Proveer Información Climática Relevante (ej., Probabilidad de estación “buena”, “mala”)
Gestión de Riesgos Climáticos
AprovecharCondiciones
Buenas estando Cubiertos para las
Condiciones Adversas
Adopción de Tecnología
Seguros Públicos+ Privados
2. Cubrir Situaciones Desfavorables: Rol de Instrumentos Financieros (ej. SEGUROS)
Seguros paraDesastres
Emergencias
Curva de Probabilidad30%
20%
10%
0%
100%
75%
50%
25%
0%
Curva de Probabilidad Acumulada
Curva de Probabilidad30%
20%
10%
0%
Probabilidad de X al menos 20 es 27%
Probabilidad de que X exceda 20 es 73%
100%
75%
50%
25%
0%
Curva de Probabilidad Acumulada
20
Curvas de Probabilidad30%
20%
10%
0%
100%
75%
50%
25%
0%
Media menorVariabilidad Igual
Curvas de Probabilidad
100%
75%
50%
25%
0%
100%
75%
50%
25%
0%
Media IgualVariabilidad Mayor
Rendimientos de Trigo Obtenido por Productores(Muestra DIEA: 400 - 800 productores por año)
Rendimiento (kg / ha)
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Frecu
enci
a T
rigo P
roduci
do (
%)
0
10
20
30
40
50
60
70
80
90
100
Definir NIVELES de Riesgo para SegurosMGAP Muestras de 400-800 productores por año
Costo de Producción
(kg / ha)
Rendimiento de Trigo (kg / ha)
Frecu
enci
a (
%)
RendimientoEsperado (“Normal”)
Rendimientos de Trigo Obtenido por Productores(Muestra DIEA: 400 - 800 productores por año)
Rendimiento (kg / ha)
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Frecu
enci
a T
rigo P
roduci
do (
%)
0
10
20
30
40
50
60
70
80
90
100
Definir NIVELES de Riesgo para SegurosMGAP Muestras de 400-800 productores por año
Costo de Producción
(kg / ha)
Rendimiento de Trigo (kg / ha)
Frecu
enci
a (
%)
RendimientoEsperado (“Normal”)
Nivel de “Emergencia”
(Fondos Públicos)
70% delRendimiento
Esperado(Privados)
(Asegura Costo)
Variabilidad Rendimientos
X
VariabilidadPrecios y Costos
Variabilidad= del Resultado
Económico
Información de Apoyo a un Sistema de Seguros AgropecuariosVariabilidad y Riesgos
Esquema Conceptual de Trabajo
Información de Apoyo a un Sistema de Seguros Agropecuarios
“Previa”: Caracterizar la Variabilidad
1. Variabilidad de Rendimientos (CLIMA) 1.1 Rendimiento Esperado en base a:
• Aptitud de suelos• Tecnología (Observados y Simulados)• Disponibilidad de Agua (irrigados)
1.2 Rendimiento Esperado en base a:•Resultados Históricos a Nivel Nacional •Muestreos
2. Variabilidad de Precios y Costos
Información de Apoyo a un Sistema de Seguros Agropecuarios
“Previa”: Caracterizar la Variabilidad
1.1 Rendimiento Esperado en base a:•Aptitud de suelos•Tecnología (Observados y Simulados)•Disponibilidad de Agua (irrigados)
1.2 Rendimiento Esperado en base a:•Resultados Históricos a Nivel Nacional •Muestreos
2. Variabilidad de Precios y Costos
> 7.0
6.0 – 7.0
5.0 – 6.0
< 5.0
Profundo
Mod. Profundo
Superficial
Identificación de Factores Limitantes para la Producción de Cultivosy Pasturas a Escala Regional
(Soriano y Colonia)
pH del Suelo Profundidadde Raíces
Además: fertilidad, rocosidad, pendiente...
SISTDSUELOS
TOPOGRAFIA
CATASTRO
LLUVIA
MAPA DEL SIG
Imágenes Satelitales, expectativa de precios, pronósticos Climáticos
APTOS
Mod. APTOS
No APTOS
Clases de Aptitud para Cultivos de Invierno
Cada Clase conDiferente Nivel deRendimiento Esperadoy Variabilidad (Riesgos)
CERES - Wheat Calibration:Grain Yield
Observed (kg/ha)
0 1000 2000 3000 4000 5000 6000 7000 8000
Sim
ula
ted
(kg
/ha)
0
1000
2000
3000
4000
5000
6000
7000
8000
TURKEY MOROCCO SYRIA-1 SYRIA-2 BRAZIL ROMANIA INDIACHINA URUGUAYARGENTINA
Baethgen, 1998
Modelos de Simulación:Ejemplo Modelo Trigo: Rendimientos
Correlación entre Observado y Simulado
Variabilidad Esperada para Márgen Bruto (US$) de maíz irigado y de secano(Híbrido de ciclo corto, siembra de Setiembre, 1968 - 1999)
Simulaciones del modelo CERES-Maize
1965 1970 1975 1980 1985 1990 1995 2000
Már
gen
Bru
to (
US
$ /
ha)
-400
-200
0
200
400
600
800
IrrigatedNon-irrigated
Costo de Producción = 350 US$/ha, Riego = 1.30 US$/mm, Maíz = 90 10 US$ / Ton
IrrigadoSecano
Modelos de Simulación
Relación entre el Area y el Volumen (altura media)en Represas PRENADER de la cuenca del río Cuareim
Area del lago (ha)
0 100 200 300 400 500
Volu
men (
1000 m
3)
0
2000
4000
6000
8000
10000
12000
R2 = 0.85(sin máximo)
Represas de Agua para Riego de Arroz en la cuenca del río Cuareim
Area del Espejo > 15 ha
Fecha Area No Represas
15/9/97 2,677 51
20/10/98 4,088 59
21/9/99 2,891 60
30/8/00 4,567 68
21/1/01 4,762 70
Area potencial y estimada de arroz
0.0
2,000.0
4,000.0
6,000.0
8,000.0
10,000.0
12,000.0
14,000.0
1997-1998 1998-1999 1999-2000 2000-2001
zafra
he
ctá
rea
s
área potencial DB área potencial DA área estimadaArea de Arroz: Potencial (agua
disponible para riego) y Observada
Agua Disponible para Cultivos Irrigados
Identificación de chacras de arroz en la cuenca del río Cuareim (LANDSAT) y Determinación de Areas
Cuenca del río Cuareim
Chacras de arroz
Area potencial y estimada de arroz
0.0
2,000.0
4,000.0
6,000.0
8,000.0
10,000.0
12,000.0
14,000.0
1997-1998 1998-1999 1999-2000 2000-2001
zafra
he
ctá
rea
s
área potencial DB área potencial DA área estimadaArea de Arroz: Potencial (agua
disponible para riego) y Observada
Información de Apoyo a un Sistema de Seguros Agropecuarios
“Previa”: Caracterizar la Variabilidad
1.1 Rendimiento Esperado en base a:•Aptitud de suelos•Tecnología (Observados y Simulados)•Disponibilidad de Agua (irrigados)
1.2 Rendimiento Esperado en base a:•Resultados Históricos a Nivel Nacional •Muestreos
2. Variabilidad de Precios y Costos
MAIZ
0
500
1000
1500
2000
2500
3000
3500
4000
4500
1900 1920 1940 1960 1980 2000
Uruguay: Rendimientos Nacionales de Trigo (1895 - 2000)
1900 1920 1940 1960 1980 2000
Rendim
iento
(kg/h
a)
0
500
1000
1500
2000
2500
3000
3500
Efecto de la variabilidad climática
Efecto de los cambios tecnológicos
Eliminar efecto de los cambios tecnológicos
Observed and Trend (LOESS) in Maize Yields in Uruguay (1900 - 2004)
0
1000
2000
3000
4000
5000
6000
1900 1920 1940 1960 1980 2000
Yie
ld (
Kg/
ha)
ObservMedMov9LOESS
Rendimientos de Maiz en Uruguay (1900-2004) Eliminando tendencia de tecnologia y ajustado a 2004
1000
2000
3000
4000
5000
6000
7000
1900 1920 1940 1960 1980 2000
Gra
in Y
ield
(K
g/h
a)
LOES
MMov9
TRIGO (1900 - 2000): DESVIOS DE RENDIMIENTOS
1960 1965 1970 1975 1980 1985 1990 1995 2000
DE
SV
IOS
D
E
RE
ND
IMIE
NT
OS
(%
)
-60
-50
-40
-30
-20
-10
0
10
20
30
40
50
60
ARROZ (1960 - 2000): DESVIOS DE RENDIMIENTOS
1960 1965 1970 1975 1980 1985 1990 1995 2000
DE
SV
IOS
D
E
RE
ND
IMIE
NT
OS
(%
)
-60
-50
-40
-30
-20
-10
0
10
20
30
40
50
60
SORGO (1960 - 2000): DESVIOS DE RENDIMIENTOS
1960 1965 1970 1975 1980 1985 1990 1995 2000
DE
SV
IOS
D
E
RE
ND
IMIE
NT
OS
(%
)
-60
-50
-40
-30
-20
-10
0
10
20
30
40
50
60
MAIZ (1960 - 2000): DESVIOS DE RENDIMIENTOS
1960 1965 1970 1975 1980 1985 1990 1995 2000
DE
SV
IOS
D
E
RE
ND
IMIE
NT
OS
(%
)
-60
-50
-40
-30
-20
-10
0
10
20
30
40
50
60
RENDIMIENTOS EN KG/HA CORRESPONDIENTES A LOSDESVIOS PORCENTUALES (LLEVADOS A VALORES DE 1999/2000
(En base a Rendimientos Nacionales)
Percentil TRIGO CEBADA MAIZ GIRASOL ARROZ SORGO
0 1439 1032 1937 511 4530 2153
5 1719 1153 2042 779 5396 2176
10 1808 1591 2480 830 5445 2567
25 2052 1906 3078 967 5770 2891
50 2326 2244 3532 1102 6194 3274
75 2524 2481 3892 1285 6439 3612
90 2703 2761 4447 1378 6826 3969
95 2824 2881 4719 1506 6875 4078
100 2831 2978 4897 1746 7323 4548
Caracterización de la Variabilidad de Rendimientos
Información de Apoyo a un Sistema de Seguros Agropecuarios
“Previa”: Caracterizar la Variabilidad
1.1 Rendimiento Esperado en base a:•Aptitud de suelos•Tecnología (Observados y Simulados)•Disponibilidad de Agua (irrigados)
1.2 Rendimiento Esperado en base a:•Resultados Históricos a Nivel Nacional •Muestreos
2. Variabilidad de Precios y Costos
Precios en US $ Corrientes por Tonelada
0
50
100
150
200
250
300
1980 1984 1988 1992 1996 2000
Pre
cio
(U
S$/
To
n)
TRIGO
CEBADA
MAIZ
ARROZ
GIRASOL
SORGO
Costos de Cultivos (US$/ha)
0
100
200
300
400
500
600
700
800
900
1981 1984 1987 1990 1993 1996 1999
US
$/h
aTRIGO
CEBADA
MAIZ
SORGO
GIRASOL
ARROZ
Rendimientos de Equilibrio (C.V.+ Amortiz. + Intereses) Costos del BROU
0
1000
2000
3000
4000
5000
6000
7000
1981 1983 1985 1987 1989 1991 1993 1995 1997 1999
Re
nd
imie
nto
s d
e E
qu
ilib
rio
(k
g/h
a)
TRIGO
CEBADA
MAIZ
ARROZ
GIRASOL
SORGO
Variabilidad Rendimientos
X
VariabilidadPrecios y Costos
Variabilidad= del Resultado
Económico
Rendimientos de Trigo Obtenido por Productores(Muestra DIEA: 400 - 800 productores por año)
Rendimiento (kg / ha)
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Frecu
enci
a T
rigo P
roduci
do (
%)
0
10
20
30
40
50
60
70
80
90
100
Costo de Producción (kg / ha)
RendimientoEsperado
Costo de Producción en kg/ha = Costo (US$/ha) / Precio Trigo (US$/kg)
Rendimientos de Trigo Obtenido por Productores(Muestra DIEA: 400 - 800 productores por año)
Rendimiento (kg / ha)
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Frecu
enci
a T
rigo P
roduci
do (
%)
0
10
20
30
40
50
60
70
80
90
100
19931995199819992000
Costo de Producción (kg / ha)OPYPA
RendimientoEsperado
(Todo el país)
Producción de Cultivos: Variabilidad y RiesgosRendimientos de Trigo de Productores
(Muestras de DIEA, 400-800 productores por año) F
recu
en
cia
(%
)
Rendimientos de Trigo Obtenido por Productores(Muestra DIEA: 400 - 800 productores por año)
Rendimiento (kg / ha)
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Frecu
enci
a T
rigo P
roduci
do (
%)
0
10
20
30
40
50
60
70
80
90
100
19931995199819992000
Costo de Producción (kg / ha)
RendimientoEsperado
(Todo el país)
Producción de Cultivos: Variabilidad y RiesgosRendimientos de Trigo de Productores
(Muestras de DIEA, 400-800 productores por año) F
recu
en
cia
(%
)
DISCUSION: CUALES FUERON LOS ANOS MAS PRODUCTIVOS?CUALES FUERON LOS DE INGRESOS ECONOMICOS POSITIVOS
MAS FREECUENTES?
1993 US $ /ha 1996 US $ /ha PROM US $ /ha
Rend Esperado 2226 2349 2351
10% Rend Esperado 1882 38 2114 0 2116 10
Rend Medio Obtenido 1610 2604 2271
Rend Emergencia 830 8 1082 2 1001 5
Trigo: Seguro IntegralRequerimiento (US$/ha) para Cubrir
70% del Rendimiento Esperado
1993 1994 1995 1996 1997 1998 1999 2000 2001 2002
US $
/ h
a
0
5
10
15
20
25
30
35
40EmergenciaResto
Promedio
Discusión: No es precio de la PRIMARendimientos de Trigo Obtenido por Productores(Muestra DIEA: 400 - 800 productores por año)
Rendimiento (kg / ha)
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Fre
cuenci
a T
rigo P
roduci
do (
%)
0
10
20
30
40
50
60
70
80
90
100
19931995199819992000
Trigo: Seguro IntegralRequerimiento (US$/ ha) para Cubrir
Diferentes Porcentajes del Rendimiento EsperadoPromedio 1993 - 2000
Porcentaje a Cubrir del Rendimiento Esperado
40 50 60 70 80 90 100
US $
/ h
a
0
5
10
15
20
25
30
35
40
EmergenciaResto
Información de Apoyo a un Sistema de Seguros Agropecuarios
“Previa”: Caracterizar la Variabilidad
1.1 Rendimiento Esperado en base a:•Aptitud de suelos•Tecnología (Observados y Simulados)•Disponibilidad de Agua (irrigados)
1.2 Rendimiento Esperado en base a:•Resultados Históricos a Nivel Nacional •Muestreos
2. Variabilidad de Precios y Costos
Información de Apoyo a un Sistema de Seguros Agropecuarios
1. “Previa”: Caracterizar la Variabilidad
2. Pronóstico: Perspectivas Climáticas
ej.: El Niño / Oscilación Sur (ENSO)
Distribución de Rendimientos Nacionalesde Maíz y fases de ENSO
Fre
cuen
cia
(%)
0
10
20
30
40
50
60
70
80
90
100
BajoMedioAlto
Todos El Niño "Neutro" La Niña
Rendimiento
La Estanzuela: Frecuencia de Heladas en Decadios por Fase de ENSO
Decadio (Mes aprox.)
90 120 150 180 210 240 270 300
Fre
cuen
cia
0.0
0.5
1.0
1.5
2.0
2.5
3.0
EL NIÑONEUTROLA NIÑA
(ABR) (MAY) (JUN) (JUL) (AGO) (SET) (OCT)
(1950 - 1998)
(*)
(*) Una helada en Abril y a comienzos de Octubre en 1 de cada 3 años La Niña
(*)
Información de Apoyo a un Sistema de Seguros Agropecuarios
1. “Previa”: Caracterizar la Variabilidad
2. Pronóstico: Perspectiva Climática
El Niño / Oscilación Sur (ENSO)
3. MONITOREO / VERIFICACION
Sistemas deInformación ySoporte para laToma deDecisiones
Monitoreo de Condiciones Climáticasy Balance de Agua en
los Suelos (con mapa DSA)
(Actualizado en páginaInternet de INIA /GRAS)
http://www.inia.org.uy/disciplinas/agroclima/index.html
NOVIEMBRE, 1999 ENERO, 2000DICIEMBRE, 1999
FEBRERO, 2000 MARZO, 2000
Sequia de 1999/2000 : NDVI observado en el Verano (AVHRR, 1km)
Monitoreo del Estado de la Vegetación a Nivel Nacional
(bajo) NDVI (alto)
NDVI
44 46 48 50 52 54 56 58
Dry
Matt
er P
roduct
ion (
kg/h
a m
onth
)200
300
400
500
600
700
800
NDVI Mensual NDVI vs Producción de Materia Seca
Monitoreo de Producción de Pasturas Naturales(Producción Ganadera)
Pro
du
cció
n d
e M
ate
ria S
eca (
kg
/ h
a m
es)
Imagen Landsat
Sensoramiento Remoto (Satelital)
Monitoreo a Nivel Regional
Identificación / Monitoreo de usos de la tierra, medición de areas, etc
Imagen Clasificada
Cult. Invierno = 34,765 haEucalyptus = 7,236 ha
Primavera 1999
Identificación y Determinación de Areas de Trigo y Cebada(Escala Regional, 1999/2000)
1 km
30 km
Identificación de Chacras por Clase de Aptitud
% de Chacras de trigo y cebada en suelos MUY APTOS“ “ “ “ “ “ APTOS “ “ “ “ “ “ MOD. APTOS “ “ “ “ “ “ NO APTOS
NDVI en Anthesis
0.40 0.45 0.50 0.55 0.60 0.65 0.70
Rendim
iento
(to
n/ha)
1.0
2.0
3.0
4.0
5.0
CERES - Wheat Calibration:Grain Yield
Observed (kg/ha)
0 1000 2000 3000 4000 5000 6000 7000 8000
Sim
ula
ted
(k
g/h
a)
0
1000
2000
3000
4000
5000
6000
7000
8000
TURKEY MOROCCO SYRIA-1 SYRIA-2 BRAZIL ROMANIA INDIACHINA URUGUAYARGENTINA
Pronósticos de Cosecha a nivel Regional (ej.: Trigo)
2. NDVI a antesis1. Identificación de chacras de trigo
3. Relación entre NDVIy Rendimiento
5. Muestreos, consultas, verificación
4. Modelos de Simulación de Cultivos
Paraná: Rendimientos Simulados
1989
1990
1991
SISTD Uruguay Versión 1: MARGEN BRUTO ESPERADO (US $/ha) Media de 30 añosCorridas de CERES Trigo para la regiónTecnología “BX-1” (variedad, época de siembra, fertilizante, etc)
MeanGross Margin US $/ha)
10th PercentileGross Margin US $/ha)
SISTD Uruguay Versión 1Corridas de CERES Trigo para la regiónTecnología “BX-1”
Evaluación del RIESGO: hasta cuánto se puede perder una vez cada 10 años.
Drenaje
Riesgo de Erosión Riesgo de Sequía
Fertilidad de Suelos
Aptitud de Suelos a Nivel de Empresa Agropecuaria
Información de Apoyo a un Sistema de Seguros Agropecuarios
1. Rendimiento Esperado
2. Variabilidad de Precios y Costos
3. Caracterización de los Riesgos
4. Monitoreo/Verificación de Clima y Vegetación(Nacional, Regional, Predio)
2. Cubrir Situaciones Desfavorables: Rol de Instrumentos Financieros (ej. SEGUROS - ”convencionales” o no)
Desafío:
Los programas de Seguros Agropecuarios son caros
Históricamente subsidiados en países desarrollados
No disponibles para los agricultores pequeños (quienes más los necesitan)
Identificar Opciones Accesibles para Pequeños Agricultores
Una Posibilidad: Seguros basados en Índices Climáticos
Seguros de Índices Climáticos
• Agricultores de Malawi no pueden Agricultores de Malawi no pueden comprar “tecnología” mejorada de manícomprar “tecnología” mejorada de maní
• Bancos (aversión al riesgo) no dan Bancos (aversión al riesgo) no dan crédito por riesgo de sequías.crédito por riesgo de sequías.
• Agricultores quieren mejorar tecnología Agricultores quieren mejorar tecnología pero no pueden comprar variedades pero no pueden comprar variedades mejoradas, fertilizantesmejoradas, fertilizantes
Agricultores pequeños?
(J. Hansen, IRI)
• Los sistemas tradicionales de Seguros fallan:– Los más vulnerables no pueden acceder
• Asegurar un índice climático– Reduce costos de transacción,
reduce incentivos para daños morales & selección adversa
(IRI en Malawi, Nicaragua, otros)
(J. Hansen, IRI)
Seguros de Índices Climáticos
Agricultores pequeños?
Índices Climáticos:
Requerimientos de Lluvia, Temperaturaspara diferentes estados de Crecimiento de los Cultivos
Daños por no satisfacerlos requerimientos delluvias
Daños por valorescríticos (heladas,exceso de lluvias)
Crop Coefficients Through the Season for Maize
0
0.2
0.4
0.6
0.8
1
1.2
1.4
0 61 122
days
kci
Ventajas
No se requieren inspecciones de cultivos
Menos problemas de Selección Adversa
Menos problemas de Riesgo Moral
Problemas / Desafíos:
Muchos agricultores en zonas pequeñas (todos se dañan con el mismo evento)
Falta de Información sobre daños históricos
Poca experiencia en tipos de contratos
Sistemas de monitoreo de las variables climáticas
Se aseguran los valores climáticos (no los daños)
Experiencias del IRI Malawi: Productores de Maní
Cultivares mejoradosFertilizante fosfatados
Créditos Inaccesibles (alto riesgo)
Seguro basado en Índice Climático:
•Acceso a Crédito•Adopción de Tecnología Mejorada•Con la cooperativa /Proveedor de Insumos•En cooperación con el Banco Mundial, Swiss RE
Ahora: África, Nicaragua, Honduras. Herramienta Educacional para Diseño de Contratos
Comentarios Finales
Alternativas a los Seguros Tradicionales mejoradaptadas a Agricultores Pequeños (ej. Índices Climáticos)
Identificar Valores Climáticos Críticos a ser utilizadoscomo Índices para Seguros, y Nivel de Daños Asociados
Identificar Métodos para Monitoreo de Clima y Vegetación
Desarrollar Sistemas de Información y Soporte para laToma de Decisiones (SISTD)
Rol de los Pronósticos Climáticos
Identificar Contratos Adecuados (desarrollo de capacidades)
Africa: Impact on Rural Populations
Acting on Risk AssessmentsNeil Ward
Workshop on Risk for Rural CommunitiesSwiss Re Centre for Global Dialogue, Zurich, October 8-10 2007
Workshop on Risk for Rural CommunitiesSwiss Re Centre for Global Dialogue, Zurich, October 8-10 2007
Sahel Rainfall Seasonal Total, 1900-2006Blue is 11-year running average
Season is July-September
Rainmm
Climate is a huge risk factor in AfricaNature of the climate: variability
Nature of the economy: rain-fed agriculture
Climate is a huge risk factor in AfricaNature of the climate: variability
Nature of the economy: rain-fed agricultureRainfall Index, O. Ndiaye
(Based on GHCN stations)
200250300350400450500550600650700
1900 1920 1940 1960 1980 2000
Drought identified as a leading risk forMillennium Villages
Drought identified as a leading risk forMillennium Villages
Millennium Villages are showing that huge increases in production are possible
Millennium Villages are showing that huge increases in production are possible
Producción de Alimentos (7 aldeas)Producción de Alimentos (7 aldeas)Kenya, Uganda, Rwanda, Tanzania, Malawi, Ghana, Kenya, Uganda, Rwanda, Tanzania, Malawi, Ghana,
NigeriaNigeria
Media Rango
Rendimiento de Maiz con intervenciones (t/ha) 4.1 2.8 - 6.5
Maiz sin intervenciones (t/ha) 1.5 0.3 – 2.8
Aumento de Rendimientos (t/ha) 2.6 1.0 – 4.3
Costo de Fertilizante y Semillas ($/ha) 158 113 - 250
Costos de Inputs para aumentar una T de maiz ($) 77 31 - 153
(From P. Sanchez and MV teams)
(ii) Adoptar estrategias “agresivas” todos los años, y tener un seguro de sequía (también en investigación, pero se esta
probando ya - África, A. Central, SE Am Sur)
(ii) Adoptar estrategias “agresivas” todos los años, y tener un seguro de sequía (también en investigación, pero se esta
probando ya - África, A. Central, SE Am Sur)
Mejorar la Gestión de los riesgos de Mejorar la Gestión de los riesgos de sequíasequía
Mejorar la Gestión de los riesgos de Mejorar la Gestión de los riesgos de sequíasequía
(i) Adoptar estrategias “agresivas” cuando hay cierta confianza de que no va a haber sequía (todavía una pregunta para investigar)
(i) Adoptar estrategias “agresivas” cuando hay cierta confianza de que no va a haber sequía (todavía una pregunta para investigar)
Drought Index Insurance: A contribution to managing the climate
risk
Drought Index Insurance: A contribution to managing the climate
risk
Millennium Villages and Index Insurance Team:
C. Palm, D. Osgood, A. Siebert, E. Holthaus, J. Anttila-Hughes, J. Puri, W. Baethgen,
partnership with Swiss Re, and
partnerships with Meteorological Services in Africa (processing station rainfall data) and satellite data sources (NASA and NOAA)
Long-term average greenness varies across MV sites
Sauri, KenyaAverage NDVI = 0.59
Koraro, EthiopiaAverage NDVI = 0.463
Normalized Difference Vegetation Index (NDVI)Normalized Difference Vegetation Index (NDVI)A satellite measure of vegetation greenness A satellite measure of vegetation greenness
Potou, Senegal is closest to desert margin
Potou, SenegalAverage NDVI = 0.397
Tiby, MaliAverage NDVI = 0.468
Ground-based:Local Rainfall
Variables that can be a proxy forimpact on rural population
Variables that can be a proxy forimpact on rural population
Rainfall
Sauri NDVI v. Maize Production
0
20
40
60
80
100
120
140
1982 1987 1992 1997 2002
year r = 0.514
% of n
orm
al
NDVI .Maize Prod
Sauri rainfall versus maize production
0
20
40
60
80
100
120
140
1982 1987 1992 1997 2002
year r = 0.225
% of n
orm
al
MAMJ rainfall Maize production
Satellite:Regional NDVI
Crop Coefficients Through the Season for Maize
0
0.2
0.4
0.6
0.8
1
1.2
1.4
0 61 122
days
kci
Water requirement varies through crop growth cycle
Seasonal rainfall total is not the best indicator for crop yieldSeasonal rainfall total is not the best indicator for crop yield
Alternative is to use a simple crop model, e.g.: Alternative is to use a simple crop model, e.g.: Water Requirement Satisfaction Index (WRSI)Water Requirement Satisfaction Index (WRSI)
Example for 180-day maize (as used for Sauri)
1984 2000
Impactos de Lluvia en AfricaImpactos de Lluvia en Africa
• Inseguridad alimentaria devastación directa a familiasInseguridad alimentaria devastación directa a familias
• Crédito limitado para semillas y fertilizantesCrédito limitado para semillas y fertilizantes(aversión al riesgo, seguros, instituciones, mercados)(aversión al riesgo, seguros, instituciones, mercados)
• Faltan incentivos para desarrollar mercados de capitalFaltan incentivos para desarrollar mercados de capital
Pensando en SolucionesPensando en Soluciones
Instrumentos financieros para gestionar riesgos de Instrumentos financieros para gestionar riesgos de sequía considerando simultáneamente:sequía considerando simultáneamente:
• CréditoCrédito
• Disponibilidad y uso de semillas y fertilizantesDisponibilidad y uso de semillas y fertilizantes
• Sistemas financieros intermediarios (e.g., WFP)Sistemas financieros intermediarios (e.g., WFP)
ConclusionConclusion
• Se pueden obtener enormes impactos simplemente con Se pueden obtener enormes impactos simplemente con aplicación de fertilizantesaplicación de fertilizantes
(indicaciones x2-3 con inputs adicionales modestos en MV)(indicaciones x2-3 con inputs adicionales modestos en MV)
• Aun riesgos a gestionar, posiblemente mas necesarios que nuncaAun riesgos a gestionar, posiblemente mas necesarios que nunca- Clima Cambiando- Clima Cambiando- Promoción de Practicas de Intensificación- Promoción de Practicas de Intensificación
• Seguros de Índices Climáticos pueden cumplir un rol importanteSeguros de Índices Climáticos pueden cumplir un rol importante
• Desafíos de I&D para mejorar la efectividad de segurosDesafíos de I&D para mejorar la efectividad de seguros