Download Experiencia FAO Analisis de Vulnerabilidad

Survey
yes no Was this document useful for you?
   Thank you for your participation!

* Your assessment is very important for improving the work of artificial intelligence, which forms the content of this project

Document related concepts
no text concepts found
Transcript
INTERCAMBIO DE EXPERIENCIAS SOBRE ANÁLISIS DE VULNERABILIDAD AL CAMBIO
CLIMÁTICO EN LA REGIÓN AMÉRICA LATINA Y EL CARIBE
Incorporando la seguridad
alimentaria en el análisis
Laura E. Meza (MSc)
Oficina Regional de la FAO para América Latina y el Caribe
Ciudad de Panamá, 23 de abril del 2013
Abordando la Inseguridad Alimentaria
NICARAGUA
El concepto de Seguridad Alimentaria y CC
Vulnerabilidad a la Inseguridad alimentaria, la probabilidad de
un hogar de caer o permanecer un umbral de SAN
3
Marco Conceptual para CC y SAN
Adaptive responses
Climate change
variables
CO2 fertilization
effects
Increase in global
temp.
Changes in Food
Systems Assets
Food production
assets
Infrastructure
Changes in
precipitation
Agriculturallybased livelihoods
Frequency of
extreme events
Non-farm
livelihoods assets
Greater weather
variability
Food preparation
assets
Source: Interdepartmental Group on Climate Change (IDWG) 2008
Changes in Food
Systems
Activities
Changes in
Components of
Food Security
Producing food
Food availability
Storing and
processing of
food
Food
accessibility
Distributing
food
Food system
stability
Food utilization
Consuming food
Migration
Changes in
consumption
patters
Preguntas analíticas claves:
• ¿Como el cambio climático afecta el acceso a alimentos a
nivel de hogares?
• ¿Cómo la vulnerabilidad a la inseguridad alimentaria
evoluciona como resultado del CC?
• ¿Cómo la vulnerabilidad será distribuida como resultado
del CC?
• ¿Qué instrumentos de política incrementan la resiliencia
de los grupos vulnerables para lidiar con el CC en SAN?
• ¿Cómo mejorar el diseño y respuestas de política para
enfrentar el CC en grupos vulnerables?
Marco Metodológico
Addressing the linkages between CC and vulnerability to food insecurity
Downscaling of
GCM using RCM
Highresolution CC
projections at
district level
Analysis of
vulnerability to
food insecurity
Detailed
profiling of
vulnerable
households
groups
Analysis of
implications at
policy level
Policy
recommendations
for the design and
implementation
of targeted policy
interventions
Analisis de vulnerabilidad a
inseguridad alimentaria
• Analisis cuantitativo del efecto del CC a nivel de hogares:
- Construido con la noción de vulnerabilidad a
insecuridad alimentaria
- Modelo analítico usado se basa en base nacional de
datos de hogares
• CC entra al modelo via los impactos que los cambios de
temperatura y precipitación tienen en ingresos (valor
productivo de la tierra) y consumo de alimentos (gasto)
• Modelo permite caracterizar vulnerabilidad e identificar
variables asociadas con mayores niveles de vulnerability
 Perfiles de grupos vulnerables a nivel de hogares
Analytical model
Households’ Demographic
characteristics
Households’ Assets
Climate Data
Data
Distribution of Land Productivity
Distribution of Consumption
Model
HH Food Security Threshold
Vulnerability
output
Vulnerability Threshold
Categorization of Households
Profiles
Targeting
Fuentes de Datos
• Hogares:
– Datos de la base de Actividades de
Ingreso Rural
– Encuesta a 1831 Hogares en 2001
• Clima:
– Temperatura y precipitación
– PRECIS ECHAM4, A2 scenario
– Downscaled data
Distribución geográfica de la
vulnerabilidad
mean food poverty rate
50%
45%
40%
35%
30%
25%
20%
15%
10%
5%
0%
mean vulnerability
Vulnerabilidad y cultivos
Figure 11: Vulnerability and Crops in Chinandega
Did not grow crop
Grew crop
60%
52%
50%
40%
28%
30%
24%
20%
10%
22%
17%
10%
3%
4%
0%
mais
beans
mango
lemon
Perfiles de hogares vulnerables:
recursos y medios de vida
•
•
•
•
•
•
•
•
•
•
•
Nivel educacional del jefe de hogar < 3 años
Mayor nivel educacional del jh < 6 years
Tamaño hogar > 5 miembros
Orientación agrícola > 50% del ingreso
Bajo uso de fertilizantes y pesticidas en el área
ganado < 4 units
Sin riego
Sin acceso a crédito
Distancia a camino > 60 km
Distancia a centro de salud > 6 km
Distancia a escuela > 1.5 km
Simulación de opciones de política:
Clima Actual
Figure 16 - Simulation: Current Climate and Policies
30%
25%
vulnerability
20%
15%
10%
5%
0%
actual
min 2 yr educ min 5 yr educ fertil. (chem.)
fertil.
(organic.)
pesticides
Simulación: Mayores Temperaturas
Figure 17 - Simulation: Global Warming
60%
50%
vulnerability
40%
30%
20%
10%
0%
actual
5% C increase in temp.
10% increase in temp.
Simulación: > Temp.+ Respuesta
Figure 18 - Simulation: Global Warming and Policies
45%
40%
35%
vulnerability
30%
25%
20%
15%
10%
5%
0%
no interventions
min 2 yr educ
fertil. & pest.
all measures
Conclusiones
• El modelo permite mejorar el diseño de
política haciendo distinciones entre hogares
con ISAN cronica y en transición
• Estima impacto de schocks (i.e.clima) a nivel
de la vulnerabilidad y cuantifica N° hogares
• Distingue perfiles de vulnerabilidad
Percepción y Capacidad de Adaptación
CHILE Y URUGUAY
Diagnóstico Vulnerabilidad y Capacidad de Adaptación
Exposición
Modelamiento
de impactos y
amenazas
Sensibilidad
Impactos
Potenciales
Capacidad de
Adaptación
Vulnerabilidad
Medida a través de
indicadores no siempre
relevantes para un
territorio determinado
Nelson et al 2010. Sugiere que el modelamiento de amenazas
futuras e impactos (productivos) tiene que estar integrado a
medición de la capacidad adaptación de modo que sea útil al
diseño de política.
1
Información sobre Clima en la región
• Resultados de modelos de gruesa resolución no integran las
características regionales del clima de Magallanes y poseen
alta incertidumbre.
• Se requiere desarrollar escenarios en base a modelos
regionales para analizar los potenciales impactos en la
agricultura
• PERO hay limitaciones de información y recursos humanos
2
Diagnóstico Vulnerabilidad y Capacidad de Adaptación
Vulnerabilidad Productiva
Niña
Neutro
Niño
Rendimiento de Maíz según ENSO
Como mejorar el AdV:
• Relacionar datos SAN a ubicaciones
geográficas mediante SIG
• Sumando impactos biofísicos sobre la
producción de cultivos
• La estimación de vulnerabilidad con datos
climáticos requiere modelos no lineares
• Inclusión de estimaciones de probabilidad
Conclusiones:
• Las percepciones son útiles para medir el grado
de comprensión y la disposición a realizar
ajustes/cambios
• La capacidad de adaptación evaluar recurso
humano en un territorio y establecer línea de
base de comparación local-específica
• Datos: desactualizados y escasos, pero siempre
hay!!
• Análisis retrospectivos son relevantes para
funciones de producción
Laura E. Meza (MSc)
Cambio Climático y Medio Ambiente
[email protected]