Agriculture

Objectif et perspective

La production agricole pour l’iSDG comprend la production de cultures, la production de la pêche (en séparant la capture et la récolte de poissons - aquaculture), la production de bétail et la production forestière.

La production de cultures est influencée par la surface récoltée, et par la nutrition du sol (avec la disponibilité des macro-nutriments N, P et K représentés), les précipitations, l’irrigation, qui, avec la productivité totale des facteurs, affecte le rendement réel [1]. Les facteurs de production sont combinés comme dans une fonction de production Cobb-Douglas. La productivité des facteurs dépend de plusieurs autres facteurs, notamment : l’éducation (nombre moyen d’années de scolarisation utilisé comme indicateur) ; la santé (espérance de vie utilisée comme indicateur) ; l’infrastructure (y compris les routes et l’infrastructure d’irrigation) ; (y compris les routes et les infrastructures d’irrigation) ; accès à l’électricité ; niveau de gouvernance ; stabilité macroéconomique (taux d’inflation utilisé comme indicateur indirect) ; ouverture au commerce ; et dépenses publiques agricoles. Plus précisément, une augmentation des facteurs de production ou de leur productivité réduit la différence entre le rendement réel et le rendement réalisable.

La production animale est affectée par les mêmes facteurs que ceux décrits ci-dessus pour les cultures. Cependant, dans le cas du bétail, la production par unité de terre ne converge pas vers un rendement maximal réalisable, mais sa croissance est déterminée directement par la croissance des facteurs moteurs et des paramètres d’élasticité correspondants.

La capture de poissons est également affectée par les mêmes facteurs décrits ci-dessus, pour les cultures. Toutefois, dans le cas de la pêche, nous ne considérons pas un rendement maximal basé sur des facteurs terrestre et climatiques, mais la production est limitée par la disponibilité des ressources halieutiques (stocks). La récolte du poisson (farming), représentée séparément dans le modèle, ne dépend pas de la disponibilité des ressources halieutiques

Dans les fonctions de production décrites ci-dessus, la croissance de la production est induite par l’augmentation de la disponibilité des facteurs de production nécessaires ou par l’augmentation de leur productivité. Cela implique que les facteurs de demande ne sont pas pris en compte dans le calcul de la production, que les quantités produites sont entièrement consommées et que les prix sont exogènes au modèle. Une telle fonction de production peut représenter de manière adéquate le modèle à long terme de la croissance de la production, et est donc bien adaptée pour calculer la production dans l’iSDG. En revanche, les fonctions de production utilisées ne sont pas adaptées pour représenter les fluctuations à court terme de la production causées par l’accumulation des stocks de produits finis. Puisque le modèle iSDG est axée sur l’analyse des tendances à long terme et non des fluctuations à court terme, ces limites n’affectent pas la validité du modèle.

Structure du modèle et principales hypothèses

• Le rendement réalisable dépend du rendement potentiel et de la disponibilité de eau and macro-nutriments [2].

• Les facteurs de production comprennent la terre, le capital, et le travail [3]

• Le capital peut être endommagé par des événements extrêmes [4]

• La productivité totale des facteurs (PTF) dépend du niveau d’activité de l’entreprise: : infrastructure [5]; éducation [6]; santé [7]; gouvernance [8]; accès à l’électricité [9]; macroeconomic stability [10]; la participation des femmes au marché du travail [11]; l’ouverture au commerce [12]; le changement climatique [13]; prix de l’énergie [14]; and les dépenses publiques dans l’agriculture [15].

• À mesure que les facteurs de production et leur productivité augmentent, l’écart entre le rendement réel et le rendement réalisable se réduit [16].

Variables d’entrée exogènes

• Indice d’intensité des cultures - Unités : Dmnl

• Valeur par tonne des production des cultures - Unités : RLCU [17]/Ton

• Valeur ajoutée par tonne de production de bétail - Unités : RLCU/Tonne

• Production de captures de poissons - Unités : RLCU/Année

• Production d’aquaculture - Unités : RLCU/Year

• Production forestière - Unités : RLCU/Année

• Autres coûts d’entrée d’agriculture par tonne de production - Unités : RLCU/tonne/année

• Effet du changement dans le type de culture sur le rendement - Unités : Dmnl

Variables d’initialisation

• Production initiale des cultures - Unités : RLCU/année

• Rendement initial - Unités : Tonne/(Ha*Année)

• Rendement potentiel - Unités : Ton/(Ha*Année)

• Production de bétail initiale - Unités : RLCU/Année/Ha

• Production de bétail initiale par hectare - Unités : RLCU/Année/Ha

• Ratio de production du capital agricole initial - Unités : Année

Détails du modèle

La production agricole calculée dans ce secteur comprend la production végétale (séparée en céréales et autres cultures par l’indice [culture]) et la production animale. Une séparation supplémentaire entre les cultures peut être introduite si nécessaire en développant l’indice [culture] (et la base de données sous-jacente).

Dans le modèle iSDG. les facteurs de production sont utilisés sous une forme conforme aux unités, en utilisant les valeurs du capital, du travail et de la terre par rapport à leurs valeurs initiales, ou normalisés. Une approche similaire est utilisée pour normaliser les facteurs de productivité. Grâce à cette normalisation, les effets des facteurs de production et des moteurs de la productivité sont combinés de manière efficace et cohérente. Plus précisément, tous ces effets sont combinés sous une forme multiplicative, en supposant un changement technologique neutre selon Hicks.

Enfin, le ratio d’écart de rendement (c’est-à-dire le rendement réalisable moins le rendement réel sur le rendement réalisable) est calculé comme suit :

\(Y = \frac{Y^{culture}_{init}}{TFP_{culture}*K_{culture}^{k}* L^{l_{culture}}}\)

Oû

• Y est le ratio d’écart de rendement

• PTF est la productivité totale des facteurs

• K est le capital relatif par hectare

• k est l’élasticité du capital

• L est l’emploi relatif par hectare

• l est l’élasticité du travail sur le rendement

• Différents types de cultures sont représentés dans le modèle (dans le modèle de base, céréales et autres), et la valeur initiale est l’année de début du modèle.

Projets et publications connexes

• Impact de l’agroécologie sur la réalisation des objectifs de développement durable - Une analyse intégrée de scénarios](https://f94cb71c-e64a-47ec-a9f2-250def04aa82.filesusr.com/ugd/32519f_07277cbd638c4a9399ca2e52bcc4bb28.pdf)

• Changing Course in Global Agriculture: Senegal

• Changing Course in Global Agriculture: Kenya

• A holistic lens on rice value chain pathways in Senegal: Application of the « Economics and Biodiversity for Agriculture and Food » Framework

• Biosphere smart agriculture in a true cost economy

• Agriculture, Food and Nutrition Security and Rural Poverty Scenarios in Kenya

• New models for sustainable agriculture

• Food Provision and Environmental Goals in the Swiss Agri-food System: System Dyanmics and the Social-ecological Systems Framework

• Sustainability in global agriculture driven by organic farming

Notes et références

[1] La structure de rendement n’est pas capturée explicitement dans le diagramme simplifié. Le rendement est la production des cultures divisée par les terres récoltées.

[2] Steduto, P. Hsiao, T.C., Fereres, E., & Raes, D. (2012). Crop yield response to water (Vol. 1028). Rome: Food and Agriculture Organization of the United Nations.

Tan, Z.X., Lai, R., & Wiebe, K.D. (2005) Global soil nutrient deplention and yield reduction. Journal of Sustainable Agriculture, 26, 1: 123-146.

[3] Bosworth, B., Collins, S.M. et al., (1995). Accounting for Differences in Economic Growth. Discussion Papers Series, 115. Cambridge, MA: Brookings Institution.

Senhadji, A. (1999). Sources of Economic Growth: An Extensive Growth Accounting Exercise. IMF Working Paper Series, (WP/99/77). Washington, DC: International Monetary Fund.

[4] Intergovernmental Panal on Climate Change (2012). Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation. A Special Report of Working Groups I and II of the Intergovernmental Panel on Climate Change [Field, C.B., Barros, V., Stocker, T.F., Qin, D., Dokken, D.F., Ebi, K.L., Mastrandrea, M.D. et al.(Eds.)]. Cambridge, UK, and New York, NY: Cambridge University Press.

[5] Calderón, C. & Servén, L. (2004). The Effects of Infrastructure Development on Growth and Income Distribution. World Bank Working Paper, (WPS3400). Washington, DC: World Bank.

Canning, D. (1999). The Contribution of Infrastructure to Aggregate Output. World Bank Policy Research working Paper Series, (2246). Washington, DC: World Bank.

[6] Barro, R.J. (2001). Human Capital and Growth. American Economic Review, AEA P&P, 91(2): 12-17.

Nelson, R.R., Phelps, E.S. (1966). Investment in Humans, Technological Diffusion, and Economic Growth. American Economic Review, 56, 1/2: 69-75.

Romer, P. (1990). Endogenous Technological Change. Journal of Political Economy, 98(5): s71-s102.

[7] Bloom, D.E., Canning, D. et al. (2001). The Effect of Health on Economic Growth: Theory and Evidence. NBER Working Paper Series, (WP8587). Cambridge, MA: National Bureau of Economic Research.

Howitt, P., (2005). Health, Human Capital and Economic Growth: A Schumpeterian Perspective. In López-Casanovas, G., Rivera, B., & Currais, L. (Eds.) Health and Economic Growth: Findings and Policy Implications. Cambridge, MA: MIT Press.

López-Casasnovas, G., B. Rivera, et al., (2005). Introduction: The Role Health Plays in Economic Growth. In López-Casanovas, G., Rivera, B., & Currais, L. (Eds.) Health and Economic Growth: Findings and Policy Implications. Cambridge, MA: MIT Press.

[8] Kaufmann, D., Kraay, A. et al. (2002). Governance Matters II, Updated Indicators for 2000/01. Policy Research Working Paper, (2772). Washington, DC: World Bank.

[9] Calderón, C. & Servén, L. (2004). The Effects of Infrastructure Development on Growth and Income Distribution. World Bank Working Paper, (WPS3400). Washington, DC: World Bank.

[10] Bruno, M., Easterly, W. (1998). Inflation crises and long-run growth. Journal of Monetary Economics 41: 3-26.

Fischer, S. (1993). The Role of Macroeconomic Factors in Growth. Journal of Monetary Economics, 32: 485-512.

[11] Boileau L., Diouf, M.A. (2009). Revisiting the Determinants of Productivity Growth: What’s New? IMF working paper WP/09/225. Washington, DC: International Monetary Fund.

Cuberes, D., & Teignier, M. (2012). Gender gaps in the labor market and aggregate productivity, Sheffield Economic Research Paper Series. Sheffield, UK: University of Sheffield.

Food and Agriculture Organization (2011). The state of food and agriculture 2012-11. Rome: Food and Agriculture Organization of the United Nations.

[12] Edwards, S. (1998). Openness, productivity and growth: What do we really know? The Economic Journal, 108(447):383-398.

Yanikkaya, H. (2003). Trade Openness and Economic Growth: A Cross-Country Empirical Investigation. Journal of Development Economics, 72(1): 57-89.

[13] Burke, M., Hsiang, S.M., & Miguel, E. (2015). Global non-linear effect of temperature on economic production. Nature, 527: 235-239.

[14] Arezki, R., Blanchard, O. (2014). Seven Questions about the Recent Oil Price Slump. IMFdirect - The IMF Blog, December 22, 2014.

Jimenez-Rodriguez, R., & Sanchez, M. (2005). Oil Price Shocks and Real GDP Growth: Empirical Evidence for Some OECD Countries. Applied Economics, 37(2): 201-228.

Peersman, G. & Van Robays, I. (2012). Cross-country differences in the effects of oil shocks. Energy Economics, 34(5):* 1532-1547.

[15] Mogues T., Yu, B., Fan, S., & McBride, L. (2012). The impacts of public investment in and for agriculture: Synthesis of the existing evidence. ESA Working paper No. 12-07, October 2012. Agricultural Development Economics Division, Food and Agriculture Organization of the United Nations

[16] Pedercini, M., Dianati, K. & Baumgärtner, J. (2015). Development and evaluation of a biophysical crop production function for regional policy support in the tropics and subtropics.

[17] Unité monétaire locale réelle (Real local currency unit). avec une année de base choisie en fonction de l’année de base la plus utilisée dans le pays.