¿Por qué difieren los escenarios globales a largo plazo para la agricultura? Una visión general de la Comparación de Modelos Económicos Globales de AgMIP

Estudios recientes que evalúan futuros plausibles para los mercados agrícolas y la seguridad alimentaria global han tenido resultados contradictorios. Para avanzar en nuestra comprensión de las fuentes de las diferencias, se pidió a 10 modelos económicos globales que producen escenarios a largo plazo que compararan un escenario de referencia con escenarios alternativos socioeconómicos, de cambio climático y de bioenergía utilizando un conjunto común de impulsores clave. Varios puntos clave emergen de este ejercicio: Primero, para que una comparación de los resultados de los escenarios sea significativa, es esencial un análisis cuidadoso de la interpretación de las variables del modelo relevantes. Por ejemplo, el uso de “precios de mercancías del mundo real” varía ampliamente entre los modelos, y comparar los precios sin tener en cuenta sus diferentes significados puede llevar a resultados engañosos. Segundo, los resultados sugieren que, una vez que algunas suposiciones clave se armonizan, la variabilidad en las tendencias generales entre modelos disminuye pero sigue siendo importante. Por ejemplo, dadas las suposiciones comunes del escenario de referencia, los modelos muestran tasas anuales promedio de cambios de precios reales de los productores globales para productos agrícolas que en promedio oscilan entre −0.4% y +0.7% entre el año base de 2005 y 2050. Esto se compara con una disminución promedio de los precios agrícolas reales del 4% p.a. entre las décadas de 1960 y 2000. Se muestran varias otras tendencias comunes, por ejemplo, relacionadas con áreas globales clave de crecimiento para la producción y consumo agrícola. Tercero, las diferencias en los parámetros básicos del modelo, como las elasticidades de ingresos y precios, a veces ocultas en la forma en que se modela el comportamiento del mercado, resultan en diferencias significativas en los detalles. Cuarto, el análisis muestra que los modeladores agroeconómicos que buscan informar el debate sobre políticas agrícolas y de desarrollo requieren mejores datos y análisis sobre el comportamiento económico y los impulsores biofísicos. Se requieren más esfuerzos de modelado interdisciplinarios para cruzar análisis a diferentes escalas.