Search

In Anbetracht des Kompromisses zwischen der Erzielung des höchsten Gewinns und der geringsten Umweltbelastung ist ein tiefes Verständnis der ökonomischen Folgen der Stickstoff (N) Düngung erforderlich. Die vorliegende Doktorarbeit liefert umfassende Einblicke in (i) die Auswirkungen des standortspezifischen N-Managements (SSNM) auf die Rentabilität und Risikominderung, (ii) die Auswirkungen von Unsicherheiten und Risikoeinflüssen auf optimale N-Düngergaben und (iii) das Potenzial und die Kosten der Vermeidung von Treibhausgas (THG) Emissionen durch N-Düngereduktion. Ein Modellierungsansatz wurde entwickelt, um die Wirkung von Ertrag und Proteingehalt, Wirtschafts- und Risikoauswirkungen sowie THG-Emissionen auf die N-Düngung zu simulieren. Die Ergebnisse der Arbeit zeigen, dass SSNM die Wirtschaftlichkeit verbessert, indem es eine höhere Weizenqualität und damit Preisprämien erzielt. SSNM reduziert das Risiko, die Backqualität nicht zu erreichen, und es gibt keine wesentlichen Nachteile beim Verlustrisikomanagement im Vergleich zum einheitlichen Management. Preisprämien für eine höhere Weizenqualität bieten Anreize für höhere N-Düngergaben. Prämien verflachen die Gewinnfunktion weiter, was unzureichende Argumente für eine Absenkung des N-Inputs aus der Wirtschaftlichkeitssicht liefert, selbst bei einer hohen Risikoaversion der Landwirte. Eine moderate Reduzierung der mineralischen N-Düngung kann die THG-Emissionen bei moderaten Opportunitätskosten mindern. Die THG-Vermeidung durch N-Düngereduktion in einer bestimmten Region kann unter Berücksichtigung kultur- und ertragszonenspezifischer Ertragswirkungen optimiert werden. Insgesamt liefert diese Arbeit wichtige Erkenntnisse über die Chancen und Nachteile der Anpassung der N-Düngergaben. Darüber hinaus leistet sie einen direkten Beitrag zur Identifizierung von kosten- und risikoeffizienten N-Managementoptionen und bildet die Grundlage für effektive politische Ansätze zur THG-Vermeidung durch selektive N-Düngereduktion. Considering the tradeoff between achieving the highest profit and causing the lowest environmental impact, there is a need for a profound understanding of the economic consequences of nitrogen (N) fertilizer application. The present doctoral research provides comprehensive insights into (i) effects of site-specific N management (SSNM) on profitability and risk mitigation; (ii) impacts of uncertainties and risk implications on optimal N fertilizer rates; and (iii) potential and costs of mitigating greenhouse gas (GHG) emissions by N fertilizer reduction. A modelling approach was developed to simulate the response of yield, protein, economic and risk implications, and GHG emissions to N fertilizer application. Findings of the thesis show that SSNM improves profitability by achieving higher grain quality, thus, price premiums. SSNM reduces the risk of not reaching the baking grain quality and poses no considerable disadvantage on downside risk management compared to uniform management. Price premiums for higher wheat quality provide incentives for higher N input rates. Premiums further flatten the profit function, giving insufficient arguments for lowering N input from a farm profitability perspective, even in presence of high risk aversion of farmers. Moderate reduction of mineral N fertilizer can mitigate GHG emissions at moderate opportunity costs. GHG mitigation by N fertilizer reduction in a given region can be optimized considering crop and yield-zone-specific yield responses. Overall, this thesis provides important insights on chances and drawbacks of adjusting N fertilizer rates. Moreover, it makes a direct contribution in identifying cost- and risk-efficient N management options and provides a basis for effective policy approaches to reduce GHG emissions by selective N fertilizer reduction.

Die Untersuchung der Auswirkungen des Klimawandels auf die globale Kaffeeproduktion in einem integriertem Modell war das Ziel dieser Arbeit. Der vorwiegende Teil der globalen Kaffeeproduktion stammt von zwei Arten: dem hitzeempfindlichen Coffea arabica (Arabica) Strauch und vom frostempfindlichen Coffea canephora (Robusta). Eine zunehmende Zahl Studien zeigt, dass der Klimawandel bereits heute die Produktion mindert. Maschinenlernklassifizierung wurde hier genutzt um ein Modell der globalen Klima-Kaffee-Wechselwirkungen zu entwickeln. Zur Integration der modellierten Klimafolgen mit ökonomischen Faktoren war ein detailliertes Wissen über die räumliche Verteilung der Kaffeeproduktion notwendig. Da existierende Datensätze unzureichend waren, wurde ein neuer methodischer Ansatz auf der Grundlage der maschinenlern-basierten Anbaueignungsklassifizierung entwickelt. Diese beiden Schritte waren Voraussetzung für die Inklusion eines Modells des Kaffeesektors in dem räumlich expliziten partiellen Gleichgewichtsmodell Globiom. Auf der Hälfte der heute für den Anbau geeigneten Fläche muss bis 2050 2,5-mal so viel Kaffee produziert werden um die zukünftige Nachfrage zu sättigen. Niedrigere Ernten und höhere Preise werden das Volumen des Kaffeemarktes um über 5 Mio. Tonnen pro Jahr reduzieren. Dieser Verlust entspricht dem Marktvolumen im Modellbasisjahr. Kaffeeproduktion wird zukünftig in höheren Lagen angebaut werden müssen, sofern dort landwirtschaftliche Fläche zur Verfügung steht. Die Produktion wird größtenteils innerhalb der gegenwärtigen Breitengrade bleiben, aber wichtige Produzenten, wie Brasilien und Vietnam werden Probleme haben wettbewerbsfähig zu bleiben mit weniger betroffenen Ländern in Ost-Afrika. Modellunsicherheit auf lokaler Ebene erschwert jedoch die Entwicklung eindeutiger Anpassungsempfehlungen. Es wird also auch in Zukunft Kaffee geben, aber dieser Kaffee wird von geringerer Qualität sein und mehr kosten. To model the impacts of climate change on global coffee production in an integrated modeling framework was the objective of this thesis. The majority of coffee is produced using either one of two species which form a single market: the heat sensitive Coffea arabica (Arabica) and the cold sensitive Coffea canephora (Robusta). Recently, evidence is increasing that climate change has begun to affect production. Machine learning classification was used to develop a global biophysical impacts model for both coffee species. Integrating these biophysical effects with demand side effects required a detailed understanding of the spatial distribution of coffee production. Because existing datasets were found to be insufficient a novel methodology was developed that built upon the machine learning classification of coffee suitability. These two steps were preconditions to include a model of the coffee sector in the spatially explicit partial equilibrium modeling framework Globiom. On only half the area that is currently available for coffee production by 2050 2.5-times as much coffee will have to be produced to meet future demand. Reduced yields and increased prices were shown to reduce the coffee market by more than 5million tons per year, equivalent to the size of the baseyear market volume. Coffee production will migrate to higher elevations where area is available for agricultural production. Production will remain within current latitudinal ranges but major producers like Brazil and Vietnam will struggle to remain competitive with relatively less affected countries in East Africa. Substantial uncertainty about the impacts on local scale prevails and impedes the development of unambiguous adaptation strategies. Thus, there will be coffee on the table in 2050, but it will be of lower quality and will cost more.

Biophysikalische Veränderungen der Produktionsbedingungen zwingen Landwirte zur Anpassung ihrer klimasensiblen Produktionsprozesse. Eine ökonomische Bewertung dieser strategischen Alternativen ist angesichts der Unsicherheiten durch den Klimawandel von hoher Bedeutung. Mit nur wenigen empirischen Studien befindet sich die Forschung in diesem Bereich jedoch noch im Anfangsstadium. Die vorliegende Studie zielt auf die Entwicklung eines integrierten ökonomischen Rahmens für die Bewertung von Anpassungsoptionen ab. Die theoretische und ökonometrische Analyse wird dabei anhand (1) einer prozessorientierten Analyse von Produktionsverfahren und Anpassungsoptionen auf Basis der Theorie der Betriebslehre sowie (2) eines hedonischen (Ricardianischen) Ansatzes, basierend auf der Theorie zu Landrenten und Veränderungen des Nettobetriebseinkommens, in Abhängigkeit von klimatischen Variablen durchgeführt. Die Analyse von Input-Output-Verhältnissen der Reisproduktion basiert auf einer umfassenden Befragung von 300 „klimaangepassten“ Landwirten über acht Jahre in Bangladesch. Es werden insgesamt 14 Anpassungsoptionen für zwei Anbauperioden von Reis identifiziert. Eine Kombination der Methoden ermöglicht dabei drei Vorteile: (1) Eine geringere Ressourcennutzung in Kombination mit einer moderaten produktiven Leistung und einem hohen Nettoeinkommen, (2) eine Verringerung von Treibhausgasemissionen sowie (3) einen klimaangepassten Betrieb. Es wird gezeigt, dass sich Temperaturänderungen in beiden Perioden negativ auf das Betriebseinkommen auswirken. Niederschlagsänderungen sind in allen Modellen signifikant und positiv zu bewerten. Die Studie zeigt eindeutig, dass eine sukzessive Anpassung das Betriebsergebnis signifikant erhöhen und zu einer Steigerung des Betriebseinkommens beitragen kann. Durch die Modellierung der Auswirkungen verschiedener Szenarien des Klimawandels auf das Nettobetriebseinkommen werden die nachteiligen Effekte auf zukünftige Betriebseinkommen aufgezeigt. The bio-physical change in the production environment has directed farmers towards strategic alternatives for farming practices. The economic assessment of these adaptation options is of great importance in facing the uncertainty of climate change. However, the economic assessment of farm-level adaptation options remains in its infancy with few empirical studies. The study framework analyzes economic implications of alternative farming activities relating to climate change in several dimensions. The theoretical and empirical economic approach of the study can be characterized in two distinct ways: (1) the process-based approach following farm management theory by production performance analysis and the appraisal of adaptation and (2) the hedonic (Ricardian) approach based on land rent theory and the change in net farm income in relation to climatic variables. The analysis of input-output relations of rice farming was done based on an intensive survey of 300 adapted farmers in Bangladesh over 8 years at different climate thresholds. The study assesses different adaptation options for two rice growing seasons, namely Boro and Amon. These options are (1) low resource use, moderate productive performance and high farm net income, (2) minimum GHG production and (3) farms coping with changing climatic conditions. The study reveals that marginal impacts of temperature on farm net income are negative for all seasons. The marginal impacts of rainfall were found to be positive and significant for all models in the study. It is also evident from the analysis that successive adaptation significantly increases farm productivity and contributes to the revival of farm revenue up to a threshold level. Finally, based on estimated climate variability models of farm net income, the study presents a model that simulates according to future climate change scenarios. It indicates adverse effects of climate change on future farm income.