Financially  supported  by  

What  is  Robust  Decision  Support?  

Greater  Mekong  Forum  on  Water,  Food  and  Energy  Phnom  Penh,  Cambodia  

Oct  21-­‐23,  2015  

ScenariosCoherent  stories  of  the  future  told  to  inform  current  decision-­‐making  with  qualita7ve  descrip7on  to  capture:  –  Cultural  influences,  values,  behaviors  –  Shocks,  disconJnuiJes  –  Texture,  richness,  imaginaJon,  insight  

OMen  supported  by  quan7ta7ve  analysis,  to  provide:  –  Definiteness,  explicitness,  detail    –  Consistency    –  Technical  rigor,  scienJfic  accuracy  

Scenarios  are  not  predicJons.  They  describe  futures  that  could  be,  rather  than  futures  that  will  be,  because…  

The  future  can  be  surprising!  

Forecast Reality

The  home  computer  in  2004

But  not  completely  unexpected  

Forecast Reality

The  home  computer  in  2004

Extremely  compact

When  to  use  scenarios  Scenarios  are  useful  when  there  are  drivers  that  are  highly  uncertain  and  likely  to  have  a  large  impact  

Low  Uncertainty

High  Uncertainty

High  Impact Trends CriJcal  uncertainJes

Low  Impact VariaJons

Scenarios

Trend  analysis

 Climate:  A  High-­‐impact  Driver

By  late  in  this  century:  global  mean  temperature  is  projected  to  rise  by  0.3  to  4.8  °C  and  global  mean  sea  level  is  projected  to  rise  0.26  to  0.82  m  •  Many  studies  suggest  that  we  will  almost  certainly  pass  2.0°C  (the  

accepted  “dangerous”  threshold)  by  mid-­‐century  •  Without  rapid  and  dramaJc  changes  in  global  energy  policy,  an  increase  

of  4°C  is  likely  by  the  late  21st  century  IPCC.  FiMh  Report.  2013.  Summary  for  Policy  Makers.    Available  at:    CMIP5  Ensemble.  Source:  IPCC  –  2013.  Annex  1  –  Atlas  of  Global  and  Regional  Climate  Change  ProjecJons.  htpt://www.ipcc.ch/pdf/assessment-­‐report/ar5/wg1/WG1AR5_AnnexI_FINAL.pdf    

But  Impacts  are  Uncertain  •  By  the  Jme  a  child  born  today  is  40  years  old,  storms  that  occurred  once  in  20  years  could  occur  once  in  10  years  

•  Or  5  years…  •  Or  18  years…  

Return  period  in  1981-­‐2000  =  20  years  

Source:  SREX  

But  Impacts  are  Uncertain  •  By  the  Jme  a  child  born  today  is  40  years  old,  storms  that  occurred  once  in  20  years  could  occur  once  in  10  years  

•  Or  5  years…  •  Or  18  years…  

Return  period  in  1981-­‐2000  =  20  years  

Source:  SREX  

But  Impacts  are  Uncertain  •  By  the  Jme  a  child  born  today  is  40  years  old,  storms  that  occurred  once  in  20  years  could  occur  once  in  10  years  

•  Or  5  years…  •  Or  18  years…  

Return  period  in  1981-­‐2000  =  20  years  

Source:  SREX  

Robust  Decision  Support1.  Develop  a  set  of  scenarios  2.  IdenJfy  indicators  for  desired  outcomes  3.  Propose  different  policy  packages  4.  Ask:  What  happens  to  the  indicators  under  

different  combinaJons  of  scenarios  and  policy  packages?  –  QualitaJve  models  –  QuanJtaJve  models

QualitaJve  or  QuanJtaJve  Modeling

Policy  set  1 Policy  set  2 Policy  set  3Scenario  1Scenario  2Scenario  3Scenario  4

QualitaJve  or  QuanJtaJve  Modeling

Policy  set  1 Policy  set  2 Policy  set  3Scenario  1Scenario  2Scenario  3Scenario  4

Can  we  combine  benefits?

QuanJtaJve  ModelingPS  1 PS  2 PS  3 PS  4 PS  5 PS  6

Scenario  1Scenario  2Scenario  3Scenario  4Scenario  5Scenario  6Scenario  7Scenario  8Scenario  9Scenario  10Scenario  11

QuanJtaJve  ModelingPS  1 PS  2 PS  3 PS  4 PS  5 PS  6

Scenario  1Scenario  2Scenario  3Scenario  4Scenario  5Scenario  6Scenario  7Scenario  8Scenario  9Scenario  10Scenario  11

Can  we  combine  benefits?

Prac7cal  steps  for  RDS  with  a  quan7ta7ve  model  STEPS INPUT

1.  Iden7fying  key  organiza7on:  Actor  Mapping  

Series  of  stakeholder  engagement  meeJngs  2.  Problem  formula7on  :  

XLRM  

Robust  Strategy

4.  Large  ensemble  of  model  runs  5.  Scenario  explora7on  and  visualiza7on  

6.  Trade-­‐off  Analysis  

3.  Model  construc7on  

QuesJonnaire,  survey,  interview,  workshop,  literature  review  

Data  (climate  and  non-­‐climate),  computer,  experts,  meeJngs,  experiences  

Experts,  scripJng,  training  

SoMware,  data  visualizaJon  and  workshops  

SoMware,  data  visualizaJon  and  workshops  

Thank  You!    

eric.kemp-­‐benedict@sei-­‐internaJonal.org