Logo Logo
Help
Contact
Switch language to German
Climate change adaptation: from science knowledge to local implementation
Climate change adaptation: from science knowledge to local implementation
Der Klimawandel trifft die Landwirtschaft in Entwicklungsländern am härtesten. Obwohl viele Studien über die Folgenabschätzung zum Klimawandel existieren, beurteilen nur wenige eine räumlich differenzierte Auswirkung und stellen konkrete Anpassungsstrategien für Kleinbauern zur Verfügung. Viel hängt auch davon ab, ob die Bauern den Klimawandel wahrnehmen und ob sie davon überzeugt sind dass er sie treffen wird. Es fehlt Wissen über die Wahrnehmung von Klimarisiken durch Landwirte, und darüber, wie ihre Entscheidungsfindung bei gleichzeitiger Einwirkung von mehreren Riskien beinflusst wird. Klimawandelanpassung findet bereits an vielen Orten statt, die Skalierung von erfolgreichen Beispielen scheitert oft. Was fehlt, sind neue tools, die ein kosteneffizientes Monitoring und Evaluierung des Fortschritts in der Anpassung an den Klimawandel ermöglichen. Die hier beschriebene Forschung zielt darauf ab den Klimawandeleinfluss räumlich zu evaluieren, die Wahrnehmung der relevanten Akteure zu verstehen und effiziente tools für Monitoring und Evaluierung zu entwickeln, die eine Anpassung durch Bauern evaluieren können. Die Studie verwendete mehrere Methoden um den Prozess der Anpassung zu studieren und Wissenschaftsergebnisse zur lokalen Umsetzung von Strategien in einer Fallstudie als gekoppeltes Mensch-Umwelt-System (HES) zu zeigen. Als Erstes wurden Geographische Simulationsmodelle zur Ermittlung von räumlich differenzierte Auswirkung eingesetzt. Zweitens wurde ein Ansatz von Mentalen Modellen verwendet, um Unterschiede in der Wahrnehmung von Experten und Bauern zu untersuchen und Klimarisiken im Zusammenhang mit anderen Risiken zu verstehen. Drittens wurde ein Prototyp für Monitoring und Evaluierung der Umsetzung von Anpassungsstrategien entwickelt. Das DSSAT-Modell wurde zur Feststellung der räumlich differenzierten Folgenabschätzung verwendet. Die Ergebnisse zeigen, dass die Ertragsvariabilität für ausgewählte Anpassungsoptionen zwischen den geographischen Standorten variiert. Für die Fallstudie Cauca in Kolumbien zeigen die Ergebnisse der Mentalen Modelle, dass Experten und Bauern die Befürchtungen der Risiken unterschiedlich wahrnehmen. Die Clusteranalyse ergab vier Typologien von Wahrnehmungen bei Bauern. Die Verwendung von GeoFarmer in einem der vier Pilotprojekte zeigte eine zunehmende Anwendung und Skalierung klimagerechter Landwirtschaftspraktiken durch die Bauern nach Demonstrationsveranstaltungen auf. Die Studie hat gezeigt, dass nachhaltige Umsetzung von Anpassungsstrategien durch Bauern nicht mit einem wissenschaftlichen Ansatz oder einem tool erfasst werden können. Vielmehr identifiziert sich eine erfolgreiche Anpassung an den Klimawandel durch eine Mischung aus was wo funktioniert (räumliche Allokation), warum es funktioniert (Akteure) und wie es skaliert werden kann (räumliche Umsetzung). Dies fordert transdisziplinäre Prozesse um die lokale Umsetzung der Anpassungsstrategien zu ermöglichen, und regelmässiges Monitoring und Evaluierung. Das Monitoring und Evaluierungssystem sollte unterschiedliche Ebenen erfassen können, wie zB das Sammeln von Indikatoren auf lokaler Ebene, Wahrnehmungen auf der Communityebene, und den Evidenz- und Wissensaustauschs auf globaler Ebene., Impacts from climate change on agriculture are expected to hit economic livelihoods in developing countries hardest. Although many studies exist on climate change impact assessment, few of them assess spatially differentiated impact gradients and translate them into actionable strategies and possible adaptation pathways for smallholders. The success of implementation of these strategies relies in no small extent on farmers’ perceptions of climate change including their knowledge and beliefs how it will affect them. There is not enough knowledge about farmers’ perception of climate risks and how it influences decision making under multiple stressors. However, climate change adaptation is already happening in many places, but scaling of good practices often fails. What is missing are new tools that allow cost-effective monitoring and evaluation of climate change adaptation strategies at scale. The research described here aimed for spatially assess impact-gradients and derive options for adaptation, understand climate-risk perceptions of relevant actors and develop tools for monitoring and evaluation to measure and track the evidence of farmers’ adoption of adaptation strategies. This research used multiple methods to study the adaptation process and bring science output to local implementation of strategies in a case study as a coupled human-environmental system (HES). First, geospatial simulation modelling was used to analyse impact-gradients and adaptation options. Second, a mental model approach was used to study differences in experts and farmers perceptions and better understand climate risks in the context of other risk. Third, a prototype was developed for cost-effective monitoring and evaluation of the implementation of adaptation strategies. The Decision Support System for Agrotechnology Transfer (DSSAT) model was used to identify impact gradients for dry beans in Central America and dry beans and maize in East Africa. Findings show that yield variability for selected management options varies between sites. For the case study Cauca in Colombia, findings of analysing mental models of experts and farmers reveal that they perceived concerns and enablers for adaptation similarly, but risks and barriers to adaptation differently. The cluster analysis of farmers’ risk rankings revealed four typologies of farmers based on their perceptions. Using the GeoFarmer application in one of the four pilots uncovered the increased adoption and scaling of climate-smart agriculture practices after demonstration sessions. This research demonstrated that the sustainable implementation of adaptation strategies by smallholders could not be captured with one approach or tool. Instead, successful adaptation to climate change is a mix of identifying what works where (spatial allocation), understanding why (actors for implementation) and how can it be implemented on the scale (spatial adoption). It calls for transdisciplinary processes of transferring scientific knowledge to local implementers and tracking of adoption of practices and technologies by farmers. Tools for monitoring and evaluation should be capable of capturing different system levels of adaptation; collecting indicators at the farm level, perceptions at the community level, and enable processes of knowledge sharing through a network of actors at the global level and in between sites.
Climate change, adaptation, geospatial simulation modelling, risk perceptions, mental models, systems dynamics, Sustainable livelihood framework, Causal-loop diagram, digital agriculture, ICT, interactive feedback, geolocation, Monitoring and Evaluation
Eitzinger, Anton
2019
English
Universitätsbibliothek der Ludwig-Maximilians-Universität München
Eitzinger, Anton (2019): Climate change adaptation: from science knowledge to local implementation. Dissertation, LMU München: Faculty of Geosciences
[img]
Preview
PDF
Eitzinger_Anton.pdf

16MB

Abstract

Der Klimawandel trifft die Landwirtschaft in Entwicklungsländern am härtesten. Obwohl viele Studien über die Folgenabschätzung zum Klimawandel existieren, beurteilen nur wenige eine räumlich differenzierte Auswirkung und stellen konkrete Anpassungsstrategien für Kleinbauern zur Verfügung. Viel hängt auch davon ab, ob die Bauern den Klimawandel wahrnehmen und ob sie davon überzeugt sind dass er sie treffen wird. Es fehlt Wissen über die Wahrnehmung von Klimarisiken durch Landwirte, und darüber, wie ihre Entscheidungsfindung bei gleichzeitiger Einwirkung von mehreren Riskien beinflusst wird. Klimawandelanpassung findet bereits an vielen Orten statt, die Skalierung von erfolgreichen Beispielen scheitert oft. Was fehlt, sind neue tools, die ein kosteneffizientes Monitoring und Evaluierung des Fortschritts in der Anpassung an den Klimawandel ermöglichen. Die hier beschriebene Forschung zielt darauf ab den Klimawandeleinfluss räumlich zu evaluieren, die Wahrnehmung der relevanten Akteure zu verstehen und effiziente tools für Monitoring und Evaluierung zu entwickeln, die eine Anpassung durch Bauern evaluieren können. Die Studie verwendete mehrere Methoden um den Prozess der Anpassung zu studieren und Wissenschaftsergebnisse zur lokalen Umsetzung von Strategien in einer Fallstudie als gekoppeltes Mensch-Umwelt-System (HES) zu zeigen. Als Erstes wurden Geographische Simulationsmodelle zur Ermittlung von räumlich differenzierte Auswirkung eingesetzt. Zweitens wurde ein Ansatz von Mentalen Modellen verwendet, um Unterschiede in der Wahrnehmung von Experten und Bauern zu untersuchen und Klimarisiken im Zusammenhang mit anderen Risiken zu verstehen. Drittens wurde ein Prototyp für Monitoring und Evaluierung der Umsetzung von Anpassungsstrategien entwickelt. Das DSSAT-Modell wurde zur Feststellung der räumlich differenzierten Folgenabschätzung verwendet. Die Ergebnisse zeigen, dass die Ertragsvariabilität für ausgewählte Anpassungsoptionen zwischen den geographischen Standorten variiert. Für die Fallstudie Cauca in Kolumbien zeigen die Ergebnisse der Mentalen Modelle, dass Experten und Bauern die Befürchtungen der Risiken unterschiedlich wahrnehmen. Die Clusteranalyse ergab vier Typologien von Wahrnehmungen bei Bauern. Die Verwendung von GeoFarmer in einem der vier Pilotprojekte zeigte eine zunehmende Anwendung und Skalierung klimagerechter Landwirtschaftspraktiken durch die Bauern nach Demonstrationsveranstaltungen auf. Die Studie hat gezeigt, dass nachhaltige Umsetzung von Anpassungsstrategien durch Bauern nicht mit einem wissenschaftlichen Ansatz oder einem tool erfasst werden können. Vielmehr identifiziert sich eine erfolgreiche Anpassung an den Klimawandel durch eine Mischung aus was wo funktioniert (räumliche Allokation), warum es funktioniert (Akteure) und wie es skaliert werden kann (räumliche Umsetzung). Dies fordert transdisziplinäre Prozesse um die lokale Umsetzung der Anpassungsstrategien zu ermöglichen, und regelmässiges Monitoring und Evaluierung. Das Monitoring und Evaluierungssystem sollte unterschiedliche Ebenen erfassen können, wie zB das Sammeln von Indikatoren auf lokaler Ebene, Wahrnehmungen auf der Communityebene, und den Evidenz- und Wissensaustauschs auf globaler Ebene.

Abstract

Impacts from climate change on agriculture are expected to hit economic livelihoods in developing countries hardest. Although many studies exist on climate change impact assessment, few of them assess spatially differentiated impact gradients and translate them into actionable strategies and possible adaptation pathways for smallholders. The success of implementation of these strategies relies in no small extent on farmers’ perceptions of climate change including their knowledge and beliefs how it will affect them. There is not enough knowledge about farmers’ perception of climate risks and how it influences decision making under multiple stressors. However, climate change adaptation is already happening in many places, but scaling of good practices often fails. What is missing are new tools that allow cost-effective monitoring and evaluation of climate change adaptation strategies at scale. The research described here aimed for spatially assess impact-gradients and derive options for adaptation, understand climate-risk perceptions of relevant actors and develop tools for monitoring and evaluation to measure and track the evidence of farmers’ adoption of adaptation strategies. This research used multiple methods to study the adaptation process and bring science output to local implementation of strategies in a case study as a coupled human-environmental system (HES). First, geospatial simulation modelling was used to analyse impact-gradients and adaptation options. Second, a mental model approach was used to study differences in experts and farmers perceptions and better understand climate risks in the context of other risk. Third, a prototype was developed for cost-effective monitoring and evaluation of the implementation of adaptation strategies. The Decision Support System for Agrotechnology Transfer (DSSAT) model was used to identify impact gradients for dry beans in Central America and dry beans and maize in East Africa. Findings show that yield variability for selected management options varies between sites. For the case study Cauca in Colombia, findings of analysing mental models of experts and farmers reveal that they perceived concerns and enablers for adaptation similarly, but risks and barriers to adaptation differently. The cluster analysis of farmers’ risk rankings revealed four typologies of farmers based on their perceptions. Using the GeoFarmer application in one of the four pilots uncovered the increased adoption and scaling of climate-smart agriculture practices after demonstration sessions. This research demonstrated that the sustainable implementation of adaptation strategies by smallholders could not be captured with one approach or tool. Instead, successful adaptation to climate change is a mix of identifying what works where (spatial allocation), understanding why (actors for implementation) and how can it be implemented on the scale (spatial adoption). It calls for transdisciplinary processes of transferring scientific knowledge to local implementers and tracking of adoption of practices and technologies by farmers. Tools for monitoring and evaluation should be capable of capturing different system levels of adaptation; collecting indicators at the farm level, perceptions at the community level, and enable processes of knowledge sharing through a network of actors at the global level and in between sites.