Ruimtelijke variatie in gew
voor landbouwontwikkelin
Agro
Internationaal
In 2010-2011 werd door Wageningen
University Research een studie
verricht naar de beschikbaarheid van
hulpbronnen voor gewasproductie
in Afrika, waarbij ook de potentie van
regenafhankelijke gewasproductie is
bepaald. Daarnaast was er aandacht
voor een aantal sociaaleconomische
factoren die een grote rol spelen
in de landbouwontwikkeling van
Afrika. Alle geografische data van de
studie werden in een nieuw ruimtelijk
expliciet raamwerk geïntegreerd, om
een beeld te verkrijgen van de grote
variatie op het Afrikaanse continent.
52
Geo-Info I 2018-4
Door Sjaak Conijn
Groeiende voedselbehoefte
De aanleiding voor de studie naar 'Resource
Scarcity and Distribution' (Conijn et al., 2011) was
de verwachting dat we in de toekomst meer
voedsel en biomassa nodig hebben voor de
toegenomen bevolking op aarde. Tegelijkertijd
zijn de groeibronnen, nodig voor een hogere
landbouwproductie, beperkt en staan natuurlijke
ecosystemen onder druk, mede door toedoen
van de landbouw. Om aan de groeiende vraag te
voldoen moet de landbouwproductie omhoog
en moeten groeibronnen efficiënter gebruikt
gaan worden ("meer met minder"). Door de ruim
telijke variatie in de beschikbaarheid van natuur
lijke groeibronnen zijn de mogelijkheden om
zowel de productie als de efficiëntie te verhogen
niet overal gelijk. Met onze studie wilden we een
ruimtelijk inzicht bieden in de potentie om meer
te produceren. Ook wilden we aangeven waar dit
kan met een efficiënt(er) gebruik van groeibron
nen. Daarnaast spelen sociaaleconomische
factoren ook een rol bij de mogelijkheden om de
landbouw verder te ontwikkelen. Het onderzoek
in 2010-2011 werd gefinancierd door het toenma
lige Ministerie van LNV.
Rasterkaarten en modelberekeningen
In onze studie hebben we zowel biofysi-
sche als sociaaleconomische factoren die
van invloed zijn op de landbouwproductie
bestudeerd. Van de biofysische factoren
zijn bestaande rasterkaarten gebruikt met
een mondiale dekking. Voorbeelden zijn:
weerkaarten, bodemkaarten en landgebruiks-
kaarten. Deze kaarten bevatten kwantitatieve
informatie over bijvoorbeeld regenval, grond
soort en het percentage akkerbouwareaal in
iedere rastercel. De ruimtelijke resolutie van
deze kaarten liep uiteen van circa 9x9 tot 56x56
km2. Door kaarten over elkaar heen te leggen
werden de uiteenlopende fysische omstan
digheden van elke rastercel beschreven (zie
figuur 1). Deze informatie is deels gebruikt als
input voor een bodem-gewasmodel (Jing et
al., 2012) om de potentiële gewasproductie
voor iedere rastercel uit te rekenen. Vervolgens
zijn de berekende potentiële opbrengsten
vergeleken met de actuele opbrengsten per
rastercel, waarmee de zogenaamde 'yield
gap' kan worden uitgerekend. Ook van deze
actuele gewasopbrengsten waren mondiale
rasterkaarten beschikbaar. In de modelbe
rekening voor deze studie opereren cellen
onafhankelijk van elkaar. Berekeningen zijn
uitgevoerd voor zowel de regenafhankelijke
als optimaal geïrrigeerde landbouw. In de
eerste situatie is er geen irrigatie (regen als
enige bron), en voor de tweede situatie werd
op voorhand verondersteld dat er voldoende
irrigatiewater beschikbaar is. Watergebruik en
waterbehoefte werden beiden uitgerekend
voor iedere rastercel en gekoppeld aan de
opbrengst. Hiermee werd de watergebruiksef-
ficiëntie van de gewasproductie bepaald.
Alle bestaande en nieuw geproduceerde
kaarten zijn geïntegreerd in een ruimtelijk
expliciet raamwerk, waarmee analyses op
mondiale schaal of voor regio's kunnen
worden uitgevoerd. In de studie van 2010-2011
hebben we gekozen voor Afrika als testcase,
omdat de opgave om voldoende voedsel te
produceren voor de toekomstige bevolking
hier groot is. De verwachte bevolkingsgroei in
Afrika is namelijk hoog: een verdubbeling van
de bevolking in 2040 ten opzichte van 2010.
Daarbij zijn de huidige gewasopbrengsten
gemiddeld laag in Afrika, terwijl er tegelijker
tijd potentie aanwezig is om ze te verhogen.
Sociaaleconomische data
Naast fysische data zijn ook sociaalecono
mische data verzameld. Deze zijn veelal niet
beschikbaar in de vorm van rasterdata, maar
wel op het niveau van landen. Voorbeelden
zijn: een index voor de mate van toegang tot
de (internationale) markt, een aantal ontwik
kelingsindicatoren en de omvang van publieke
middelen voor bijvoorbeeld onderzoek en/
of subsidies ten behoeve van de landbouw.
Van in totaal vijf verschillende indices is een
samengestelde index ontwikkeld op basis
van kwalitatieve criteria. Hiermee wordt het
investeringsklimaat van een land geïllustreerd
voor de kansen om de landbouw verder te
ontwikkelen.