NOTA DE PROYECTO | DICIEMBRE DE 2018 El cambio climático representa una amenaza para la seguridad alimentaria y la nutrición, sobre todo por su impacto en la producción agrícola. Con el fin de ayudar a los países en desarrollo a identificar dónde se necesitan implementar con mayor urgencia las medidas de adaptación, el Instituto Internacional de Investigaciones sobre Políticas Alimentarias (IFPRI) realizó un estudio plurianual destinado a evaluar el impacto potencial del cambio climático en el sector agrícola en 2050, teniendo en cuenta el panorama probable de los desafíos políticos y económicos que deberán enfrentar los responsables de políticas. El estudio integra los resultados de los modelos económicos y climáticos e incluye análisis bioeconómicos y biofísicos de Guatemala, Honduras, El Salvador, Nicaragua y Costa Rica, en América Central, y de Colombia y Perú, en la región Andina de Sudamérica. Los análisis del estudio se llevaron a cabo con una resolución de 50 kilómetros para obtener una distribución detallada de los impactos climáticos directos y también a escala nacional para mostrar las crisis económicas acumuladas. El incremento mundial de las concentraciones de gases de efecto invernadero está elevando las temperaturas de superficie en casi todas partes, pero con grandes variaciones locales y regionales, además de generar cambios en los patrones de circulación atmosférica, en las precipitaciones medias y en la frecuencia y magnitud de los fenómenos climáticos extremos, incluyendo inundaciones y sequías. Los riesgos que soportan actualmente los sistemas vulnerables, tanto humanos como naturales, incluidos los sistemas agrícolas y alimentarios, se verán agravados con el cambio climático puesto que dichos sistemas enfrentan tendencias y fenómenos climáticos peligrosos. El cambio climático tiende a afectar en mayor medida a las personas y comunidades más desfavorecidas pues, generalmente, son más vulnerables y tienen menor capacidad de adaptación. Dado que gran parte de la población centroamericana y de los países andinos es pobre y depende en gran medida de la agricultura, los impactos relacionados con el clima tienen grandes efectos en sus medios de subsistencia y pueden, sobre todo debido a un rápido crecimiento demográfico, amenazar la seguridad alimentaria y la nutrición. La agricultura representa entre el 19 % (Perú) y el 75,6 % (El Salvador) de las tierras disponibles, emplea a gran parte de la población (del 15 % en Costa Rica hasta el 36 % en Honduras) y constituye entre el 5,6 % (Costa Rica) y el 20,5 % (Nicaragua) del PBI nacional. En comparación, en toda América Latina, el sector agrícola contribuye con alrededor del 5 % del PBI y emplea únicamente al 16 % de la población activa (ECLAC 2014). El cambio climático puede perjudicar a los sectores agrícolas nacionales y locales directamente, al disminuir el rendimiento agrícola, e indirectamente, al afectar los precios mundiales y las condiciones del mercado. Las temperaturas en aumento pueden afectar los rendimientos y favorecer la propagación de ciertas plagas. Además, los cambios en los patrones de precipitación también generan a largo plazo un declive de la producción (aunque en algunos casos los cambios en las precipitaciones pueden llegar a mejorar los rendimientos). Estas amenazas a la seguridad alimentaria y la nutrición en la región ponen de manifiesto la importancia crucial de la inversión en estrategias de adaptación, como es el caso de la expansión de los sistemas de riego. MODELAR LOS IMPACTOS SOBRE LA PRODUCCIÓN Los modelos globales climáticos (MCG, en inglés) utilizan programas sofisticados para representar los procesos físicos, químicos y biológicos de la atmósfera, los océanos, la criósfera y la superficie de la Tierra. La exactitud de dichos modelos a la hora de simular el clima Cambio climático y agricultura en América Central y la región Andina Timothy S. Thomas, Ana María Loboguerrero RodrÍguez, Ana R. Rios, Deissy Martínez-Barón, Graciella Magrin y Vicente Barros mundial, actual y anterior, permite corroborar la fiabilidad de sus proyecciones. Nuestro estudio se basa en cuatro escenarios climáticos distintos provenientes de la Fase 5 del Proyecto de Intercomparación de Modelos Acoplados (CMIP5) del Grupo Intergubernamental sobre Cambio Climático (IPCC): GFDL-ESM2M, HadGEM2-ES, IPSL-CM5A-LR y MIROC.* Puesto que las proyecciones climáticas varían según los modelos, la utilización de cuatro modelos nos permite evaluar no solo las sólidas características del cambio, sino también el grado de incertidumbre de dichas proyecciones. Utilizamos escenarios climáticos construidos con una ruta o trayectoria de concentración representativa (RCP, por sus siglas en inglés) de 8.5, que es el nivel más alto de las cuatro RCP, considerado como el escenario sin cambios de las emisiones altas. Como lo muestra la Figura 1, los cuatro modelos de cambio climático proyectan que Perú registrará un mayor calentamiento que Colombia, y que las regiones orientales de ambos países andinos serán las que *Más información sobre los modelos: CMIP5 (Fase 5 del Proyecto de Intercomparación de Modelos Acoplados) ver Taylor et al. 2012; GFDL (Laboratorio de geofísico de dinámica de los fluidos), ver Dunne et al. 2012, 2013; HadGEM (Hadley Centre Global Environmental Model), ver Collins et al. 2011, Martin et al. 2011; IPSL (L’Institut Pierre-Simon Laplace), ver Dufresne et al. 2013; MIROC (Modelo para la investigación interdisciplinaria sobre el clima), ver Sakamoto et al. 2012. Figura 1. Cambios en el promedio de temperatura diaria máxima (°C) para los meses más cálidos en 2050 desde 1950–2000, escenario RCP8.5 GFDL IPSL HadGEM2 MIROC Figura 2. Cambios en las precipitaciones anuales (mm) en 2050 a partir de 1950–2000, escenario RCP8.5 GFDL IPSL HadGEM2 MIROC Figuras 1 and 2 Fuente: Datos de Müller and Robertson (2014), para sus versiones en escala reducida de cuatro modelos CMIP5 GCM (Taylor, Stouffer, and Meehl 2012), con RCP8.5, y basados también en WorldClim 1.4 (Hijmans et al. 2005). Nota: Para mayor información sobre los modelos: GFDL, ver Dunne et al. 2012, 2013; HadGEM, ver Collins et al. 2011, Martin et al. 2011; IPSL, ver Dufresne et al. 2013; MIROC, ver Sakamoto et al. 2012. registren mayores temperaturas. En América Central, el calentamiento tiende a ser mayor en el norte; los incrementos de temperatura en Guatemala figuran entre los dos más altos en los cuatro modelos, junto con los de Costa Rica o El Salvador. Tres de los cuatro modelos muestran que América Central, especialmente en el norte, se está transformando en una región más seca y que gran parte de la región andina es cada vez más húmeda (Figura 2). Si bien en nuestro estudio examinamos los principales cultivos producidos por cada país, en esta nota nos enfocamos en nuestros descubrimientos sobre el maíz, dada su función vital en la seguridad alimentaria y en los medios de subsistencia en la región. El maíz es el principal cultivo en los siete países de nuestro estudio, que ocupa el 36,3 % del total de la zona cultivada en los países de América Central y el 18,6 % en los países andinos. En América Central, la producción de maíz está muy extendida, mientras que en los países andinos está más concentrada geográficamente. En general, el rendimiento de las cosechas de maíz en América Central Figura 3. Distribución espacial de los cambios proyectados en el rendimiento de los cultivos (diferencias en porcentajes entre 2010 y 2050), escenario RCP8.5 para el maíz Fuente: Cálculos de los autores basados en los datos del AgMIP–GGCMI (Proyecto de Intercomparación y Mejoramiento de Modelos Agrícolas –Intercomparación del modelo de grilla global de cultivos); ver Rosenzweig et al. 2014). Nota: La mediana en cada pixel fue calculada a partir de todas las combinaciones posibles de tres modelos de cultivos y cuatro modelos de clima. Todos provienen del AgMIP- GGCMI para RCP8.5. Rainfed Irrigated es bajo. Para comprender mejor el impacto directo del cambio climático, consolidamos los resultados de la iniciativa AgMIP–GGCMI (Proyecto de Intercomparación y Mejoramiento de Modelos Agrícolas –Intercomparación del modelo de grilla global de cultivos), un proyecto internacional que compara los resultados de un número de sistemas de modelación de cultivos utilizados junto con los modelos climáticos para evaluar el impacto del cambio climático en la agricultura (Rosenzweig et al. 2014). Combinamos los resultados de la modelación utilizando un procedimiento de agregación que busca concordancia entre los resultados arrojados por los modelos. La Figura 3 muestra la distribución espacial de los cambios proyectados en los rendimientos de los cultivos de maíz, de secano y de riego, a partir de los modelos AgMIP-GGCMI. Los rendimientos del maíz con sistema de secano se verán más perjudicados en los países del norte de América Central. Mientras que las pérdidas de rendimiento proyectadas para el maíz de riego son similares a las del maíz de secano en algunas áreas, dichas pérdidas son más bajas en gran parte del norte de América Central, con lluvias en disminución que explican la diferencia— con la disminución de las lluvias, los beneficios de la irrigación son relativamente más importantes. A escala nacional, los modelos de cultivos muestran que Guatemala y Costa Rica sufrirán las mayores pérdidas de rendimiento con el maíz de secano debido al cambio climático: casi un 17 %, seguidos de Honduras con alrededor del 12 %. Las pérdidas en Colombia y Perú, al Fuente: Los autores, utilizando el modelo IMPACT (Robinson et al. 2015). Nota: “AC” representa los cinco países de América Central en este estudio (Costa Rica, El Salvador, Guatemala, Honduras y Nicaragua); “Andes” se utiliza para los dos países andinos en este estudio (Colombia y Perú); “Todos” se refiere a los siete países combinados. “NoCC” significa “sin cambio climático” y “CC” significa “con cambio climático”. Cuadro 1. Cambios proyectados en rendimientos, áreas y producción debidos al cambio climático por región, entre 2010 y 2050, teniendo en cuenta los cambios en la oferta y la demanda mundiales igual que en El Salvador y Nicaragua, serán menores, con cerca de un 8% cada una. Las proyecciones para cierto número de otros cultivos clave también son alarmantes. Se estima que las pérdidas a nivel nacional del sorgo y del trigo serán similares a las del maíz y que, sin embargo, las pérdidas de cebada y en particular de caña de azúcar serán significativamente más altas. IMPACT (Modelo Internacional para el Análisis de Políticas sobre Productos y Comercio Agropecuario) es un modelo global de equilibrio parcial de la alimentación y la agricultura que utiliza datos hipotéticos sobre la población y el crecimiento del PIB, así como sobre las variaciones en la demanda de los consumidores, los impactos climáticos y los cambios en la tecnología agrícola y propone precios que llevan a un equilibrio de la oferta y la demanda mundiales. Mientras que el modelo AgMIP considera solo los efectos directos del cambio climático, IMPACT toma en cuenta los cambios en la oferta y la demanda, puesto que los consumidores y productores ajustan las cantidades de oferta y demanda en función del precio del conjunto de los productos. El Cuadro 1 muestra los cambios proyectados en los rendimientos, las áreas y la producción de maíz y otros cultivos importantes como resultado de dos grupos de factores: primero, las mejoras y los cambios de la tecnología agrícola en la oferta y la demanda mundiales entre 2010 y 2050, y, segundo, el cambio climático en 2050. El clima tiene un efecto mucho más negativo en el rendimiento del maíz en América Central que en la región Andina. Lo mismo sucede con el sorgo y la caña Rendimiento Hectáreas cultivadas Producción Región 2010 % camb, 2010– 2050, NoCC % dif, NoCC a CC Mediana, 2050 2010 % camb, 2010– 2050, NoCC % dif, NoCC a CC Mediana, 2050 2010 % camb, 2010– 2050, NoCC % dif, NoCC a CC Mediana, 2050 Maíz AC Andes Todos 1.71 2.80 2.13 66.9 41.8 53.9 -10.8 0.6 -5.1 1,721 1,085 2,806 33.1 30.7 32.1 -3.0 1.6 -1.3 2,948 3,042 5,990 122.0 85.3 103.4 -13.5 2.1 -6.3 Arroz AC Andes Todos 2.64 4.37 4.07 43.5 8.9 12.6 0.1 3.2 2.8 162 768 930 -2.5 -9.2 -8.1 -0.6 0.7 0.5 428 3,354 3,782 40.0 -1.2 3.5 -0.5 4.0 3.3 Frijoles AC Andes Todos 0.81 1.17 0.89 52.2 49.7 50.9 -9.9 -15.6 -11.8 641 184 825 45.1 36.4 43.2 -2.2 -8.0 -3.4 522 215 737 120.9 104.2 116.0 -11.9 -22.3 -14.8 Caña de azúcar AC Andes Todos 89.93 104.73 97.27 29.7 26.4 27.4 -33.2 -21.8 -27.6 508 500 1,008 64.4 43.6 54.1 15.3 13.5 14.5 45,682 52,364 98,046 113.1 81.5 96.2 -22.9 -11.3 -17.2 Sorgo AC Andes Todos 1.72 3.88 2.19 84.0 9.8 51.4 -13.0 -4.8 -11.3 236 66 302 78.4 6.1 62.6 7.4 11.4 7.9 405 256 661 228.1 16.4 146.1 -6.5 6.0 -4.2 Aceite de palma AC Andes Todos 17.03 19.56 18.38 17.3 31.2 24.2 0.3 -2.2 -1.1 170 195 365 55.3 37.4 45.8 0.0 0.0 0.0 2,895 3,814 6,709 82.1 80.3 81.1 0.3 -2.2 -1.1 Mandioca AC Andes Todos 11.52 11.29 11.32 93.8 48.7 57.0 -1.2 -4.4 -3.7 48 251 299 33.0 15.9 18.7 1.2 1.7 1.6 550 2,833 3,383 157.8 72.4 86.3 0.0 -2.8 -2.2 de azúcar. También observamos un efecto ligeramente más negativo en los rendimientos de la región Andina, en comparación con los de América Central para la mandioca, los frijoles y el aceite de palma. Cuando el clima afecta negativamente el rendimiento de un cultivo, a menudo los campesinos reducen el área de siembra de dicho cultivo, sustituyéndolo por otros más rendidores en función del clima. Si la zona y el rendimiento disminuyen, los volúmenes de producción también disminuirán, y el cambio porcentual será aproximadamente equivalente a la suma del cambio porcentual en rendimiento y del cambio porcentual en área. Se estima que el área de la caña de azúcar en los países del estudio aumente a pesar de una importante disminución del rendimiento, puesto que se espera que las pérdidas de producción en el resto del mundo sean aún mayores que en los países del estudio. Por lo tanto, la región obtendrá una ventaja comparativa al cultivar la caña de azúcar. ¿QUÉ SE PUEDE HACER? Las estrategias de adaptación que recurren a una mayor información, a tecnologías más avanzadas y a políticas económicas bien formuladas pueden ayudar a reducir los impactos climáticos en la agricultura. Entre las medidas de adaptación generalmente propuestas, se incluye la mejor gestión de los cultivos (mediante ajustes en las fechas de siembra y el manejo de fertilización) y la gestión del agua y los suelos (incluyendo las mejoras en el almacenamiento, los sistemas de riego y el uso del agua de lluvia); utilizando los pronósticos climáticos en la planificación agrícola; proporcionando esquemas de seguro innovadores, y desarrollando variedades genéticamente mejoradas o nuevas variedades de cultivos. Algunos estudios sostienen que los suelos mejorados y la gestión del agua serán fundamentales para mejorar la resiliencia de los cultivos y maximizar la productividad, especialmente en zonas montañosas y accidentadas. Estas técnicas podrían reconocer el valor de algunas prácticas agrícolas tradicionales, la recolección de agua y la conservación de cuencas fluviales y humedales (Holt-Gimenez 2002; Eitzinger et al. 2012; Schmidt et al., 2012; CIAT, 2014; Magrin et al., 2014). La vulnerabilidad de los países y de sus regiones frente al cambio climático depende de su capacidad de adaptación, que está estrechamente asociada con el nivel de desarrollo. El Salvador, Guatemala, Honduras y Nicaragua poseen sistemas frágiles de tenencia de la tierra que frenan la inversión en el uso sostenible de la tierra, aumentando su vulnerabilidad. El Salvador enfrenta los mayores desafíos en materia de adaptación debido a una combinación de tres factores: un sistema frágil de tenencia de la tierra; un difícil acceso a las tierras y a los mercados debido a carreteras en mal estado, y un acceso insuficiente a subsidios gubernamentales para la compra de semillas y fertilizantes (Eitzinger et al., 2012). Nuestro estudio señala que, en este contexto de vulnerabilidad, el cambio climático reducirá los rendimientos del maíz, los frijoles, el sorgo y la mandioca — cultivos clave para la seguridad alimentaria en ambas regiones. Esto debería de alertar a los responsables de políticas a fin de que brinden soluciones, especialmente para las familias que dependen de estos cultivos para su subsistencia. El café y la caña de azúcar, que representan un ingreso significativo en las exportaciones de las economías nacionales de la región, también se verán afectados por el clima. Por lo tanto, también se deberán analizar y desarrollar soluciones viables que aprovechen las tecnologías para reducir el impacto del cambio climático en estos dos productos. Al mismo tiempo, los responsables de políticas deberán explorar la posibilidad de cambiar de cultivo, como el cacao, que puede resistir mejor a los cambios climáticos y a las variaciones del mercado. Además, nuestros hallazgos sugieren que los sistemas de irrigación se verán menos afectados por el cambio climático que los sistemas de secano, al menos en algunas regiones. Por lo tanto, una de las estrategias de adaptación más prometedoras consiste en instalar sistemas de irrigación que puedan proteger los cultivos cuando las precipitaciones registren niveles inferiores a los esperados. Además, será importante analizar el costo de estas soluciones y determinar el papel del sector público en el suministro y la adjudicación de fondos en las etapas iniciales. Un primer paso fundamental para identificar las estrategias destinadas a aumentar la resiliencia agrícola consiste en desarrollar una mejor comprensión de los posibles impactos del cambio climático en la agricultura y los rendimientos agrícolas —a través del conocimiento de los modelos climáticos y económicos—. Esto ayudará a garantizar la seguridad alimentaria y la nutrición en los países y comunidades más vulnerables de América Central y del Sur. Para mayor información, consulte la serie de estudios en la que se basa esta nota: http://climatechange.ifpri.info/ latin-america-caribbean-change-studies/. http://climatechange.ifpri.info/latin-america-caribbean-change-studies/ http://climatechange.ifpri.info/latin-america-caribbean-change-studies/ REFERENCIAS CIAT (Centro Internacional de Agricultura Tropical). 2014. Evaluación de la vulnerabilidad al cambio climático de la agricultura en la región andina de Perú. CIAT Políticas en Síntesis No. 14. Cali, Colombia: CIAT. Collins, W., N. Bellouin, M. Doutriaux-Boucher et al. 2011. “Development and Evaluation of an Earth-System Model— HadGEM2.” Geoscience Model Development 4 (4): 1051–1075. Dufresne, J.-L., M.-A. Foujols, S. Denvil, et al. 2013. “Climate Change Projections Using the IPSL-CM5 Earth System Model: From CMIP3 to CMIP5.” Climate Dynamics 40 (9/10): 2123–2165. Dunne, J., J. John, A. Adcroft et al. 2012. “GFDL’s ESM2 Global Coupled Climate–Carbon Earth System Models—Part I: Physical Formulation and Baseline Simulation Characteristics.” Journal of Climate 25 (19): 6646–6665. Dunne, J., J. John, E. Shevliakova et al. 2013. “GFDL’s ESM2 Global Coupled Climate-Carbon Earth System Models—Part II: Carbon System Formulation and Baseline Simulation Characteristics.” Journal of Climate 26 (7): 2247–2267. ECLAC (Economic Commission for Latin America and the Caribbean). 2014. The Economics of Climate Change in Latin America and the Caribbean: Paradoxes and Challenges. Overview for 2014. Santiago, Chile. Eitzinger, A., P. Läderach, K. Sonder et al. 2012. Tortillas on the Roaster: Central America’s Maize-Bean Systems and the Changing Climate. CIAT Policy Brief No. 6. Cali, Colombia: Centro Internacional de Agricultura Tropical (CIAT). Hijmans, R. J., S. E. Cameron, J. L. Parra, P. G. Jones, and A. Jarvis. 2005. “Very High Resolution Interpolated Climate Surfaces for Global Land Areas.” International Journal of Climatology 25: 1965–1978. Holt-Gimenez, E. 2002. “Measuring Farmers” Agroecological Resistance after Hurricane Mitch in Nicaragua: A Case Study in Participatory, Sustainable Land Management Impact Monitoring.” Agriculture Ecosystems & Environment 93 (1-3): 87–105. Magrin, G. O., J. A. Marengo, J.-P. Boulanger, et al. 2014. “Central and South America.” In Climate Change 2014: Impacts, Adaptation, and Vulnerability—Part B: Regional Aspects. Working Group II Contribution to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, edited by V. R. Barros et al., 1499–1566. Cambridge: Cambridge University Press. Martin, G., N. Bellouin, W. Collins, et al. 2011. “The HadGEM2 Family of Met Office Unified Model Climate Configurations.” Geophysical Model Development 4: 723–757. Müller, C., and R. Robertson. 2014. “Projecting Future Crop Productivity for Global Economic Modeling.” Agricultural Economics 45: 37–50. Robinson, S., D. Mason d’Croz, S. Islam et al. 2015. The International Model for Policy Analysis of Agricultural Commodities and Trade (IMPACT): Model Description for Version 3. IFPRI Discussion Paper 1483. Washington, DC: IFPRI. Rosenzweig, C., J. Elliott, D. Deryng et al. 2013. “Assessing Agricultural Risks of Climate Change in the 21st Century in a Global Gridded Crop Model Intercomparison.” Proceedings of the National Academy of Sciences 111 (9): 3268–3273. Sakamoto, T., Y. Komuro, T. Nishimura et al. 2012. “MIROC4h: A New High-Resolution Atmosphere-Ocean Coupled General Circulation Model.” Journal of Meteorology Society of Japan 90 (3): 325–359. Taylor, K. E., R. J. Stouffer, and G. A. Meehl. 2012. “An Overview of CMIP5 and the Experiment Design.” Bulletin of the American Meteorological Society 93 (4): 485–498. Este estudio se realizó como parte de y gracias a la financiación de dos programas de investigación del CGIAR: Programa de desafío sobre el cambio climático, la agricultura y la seguridad alimentaria (CCAFS) y Políticas, Instituciones y Mercados (PIM). Ambos programas—CCAFS y PIM—se llevaron a cabo con el respaldo de los donantes del Fondo del CGIAR y a través de acuerdos bilaterales de financiación. Para mayor información, consulte https://ccafs.cgiar.org/donors/ y http://pim.cgiar.org/donors/. Las siguientes organizaciones también respaldaron el estudio: la Fundación Bill y Melinda Gates (BMGF), el Banco Interamericano de Desarrollo (BID) y el Centro Internacional para la Agricultura Tropical (CIAT). Esta publicación no ha sido revisada por pares. Las opiniones y posturas aquí expresadas pertenecen a los autores y no pueden ser atribuidas ni reflejar las opiniones oficiales del BMGF, CCAFS, CGIAR, CIAT, IDB, IFPRI, PIM, o la de cualquier otro de sus donantes o asociados respectivos. INTERNATIONAL FOOD POLICY RESEARCH INSTITUTE A world free of hunger and malnutrition 1201 Eye Street, NW, Washington, DC 20005 USA T. +1-202-862-5600 | F. +1-202-862-5606 | Email: ifpri@cgiar.org | www.ifpri.org | www.ifpri.info Copyright 2018 International Food Policy Research Institute (IFPRI). This publication is licensed for use under a Creative Commons Attribution 4.0 International License (CC BY 4.0). Timothy S. Thomas (tim.thomas@cgiar.org) es un investigador del Departamento de Tecnología de la producción y el medio ambiente del IFPRI. Ana María Loboguerrero Rodríguez es directora para América Latina del Programa para cambio climático, agricultura y seguridad alimentaria (CCAFS) del CGIAR, Cali, Colombia. Ana R. Ríos es especialista senior de cambio climático del Banco Interamericano de Desarrollo (BID). Deissy Martínez-Barón es la coordinadora del programa regional para el CCAFS basado en América Latina en el Centro Internacional de Agricultura Tropical (CIAT), Cali, Colombia. Graciella Magrin es investigadora principal en el Instituto Nacional de Tecnología Agropecuaria, Buenos Aires, Argentina. Vicente Barros es profesor emérito en la Universidad de Buenos Aires, Argentina. https://ccafs.cgiar.org/donors/ y http://pim.cgiar.org/donors/ mailto:ifpri%40cgiar.org?subject= http://www.ifpri.org http://www.ifpri.info https://creativecommons.org/licenses/by/4.0/ mailto:tim.thomas%40cgiar.org?subject=