Quantifying Farm Resilience to Climate and Market Shocks: The RAFT Method

Boeren in Europa kampen al lange tijd met onvoorspelbaarheid, maar de afgelopen jaren hebben een perfecte storm van onzekerheid gebracht. Aan de ene kant verandert het klimaat, wat droogtes, onseizoenselijke vorst en extreme hitte met zich meebrengt die gewassen bedreigen. Aan de andere kant zijn de wereldmarkten volatiel geworden, met plotselinge pieken in de kosten van meststoffen en energie, en verstoringen in de verkoop van graan. Om te overleven moet een boerderij in staat zijn deze klappen op te vangen zonder in te storten, haar praktijken aan te passen wanneer de omstandigheden veranderen, of zichzelf zelfs volledig te reorganiseren als de wereld om haar heen fundamenteel is veranderd. Dit vermogen om schokken te weerstaan en te herstellen, staat bekend als veerkracht (resilience). Hoewel er veel instrumenten bestaan om te meten hoe "duurzaam" een boerderij is — waarbij gekeken wordt naar de langetermijnbalans tussen natuur, samenleving en economie — kunnen weinig instrumenten een boer precies vertellen hoe goed hun specifieke bedrijf een plotselinge crisis zal doorstaan. Er was een gat in de beschikbare hulpmiddelen om boeren en adviseurs te helpen begrijpen, niet alleen of een boerderij vandaag de dag goed draait, maar hoe zij zal reageren wanneer de volgende schok toeslaat.

Om dit gat te vullen, heeft een onderzoeker aan het Instituut voor Bodemwetenschappen en Plantenteelt in Polen een nieuwe methode ontwikkeld genaamd RAFT. Dit instrument is ontworpen als een zelfevaluatie voor individuele boerderijen, waardoor een boer de eigen veerkracht tegen zowel klimaat- als marktschokken kan beoordelen. De methode is gebouwd op drie kernideeën: het vermogen om een schok op te vangen terwijl de zaken doorgaan, het vermogen om praktijken aan te passen aan nieuwe omstandigheden, en het vermogen om het volledere bedrijfsmodel te transformeren indien nodig. Door een reeks vragen te beantwoorden over hoe de boerderij wordt beheerd, schept het instrument een helder beeld van waar de boerderij sterk is en waar zij kwetsbaar is. Het doel is om voorbij vage zorgen over de toekomst te gaan en een concrete diagnose te bieden die wijst op specifieke gebieden voor verbetering.

De onderzoeker testte deze nieuwe methode eerst door tien verschillende "virtuele" boerderijen op een computer te maken. Dit waren geen echte plaatsen, maar gedetailleerde profielen die variëren van kleine biologische moestuinen tot grote, gespecialiseerde graanbedrijven. Het doel was om te zien of het instrument het verschil kon zien tussen deze zeer verschillende soorten boerderijen en of de resultaten stabiel zouden blijven, zelfs als het belang van bepaalde vragen licht zou worden aangepast. De tests toonden aan dat het instrument betrouwbaar werkt. Het kon duidelijk onderscheid maken tussen een zeer veerkrachtige, diverse boerderij en een gespecialiseerde boerderij die moeite zou hebben als de omstandigheden veranderen. De resultaten waren consistent, wat betekent dat kleine veranderingen in de weging van de vragen de uiteindelijke score niet drastisch veranderden. Dit gaf de onderzoeker het vertrouwen dat het instrument meet wat het beweert te meten en dat de rangschikkingen die het produceert gebaseerd zijn op de werkelijke kenmerken van de boerderij, en niet op de specifieke wiskunde die wordt gebruikt om ze te berekenen.

Nadat bewezen was dat de methode op computermodellen werkte, nam de onderzoeker het instrument mee naar de echte wereld voor een pilottest. Drie landbouwresearchstations in Polen, die functioneren als conventionele, marktgerichte boerderijen, werden gevraagd de beoordeling te voltooien. Deze drie stations zijn zeer vergelijkbaar: ze worden door hetzelfde instituut beheerd, bevinden zich in dezelfde regio en opereren op een vergelijkbare schaal. In een minder gevoelig instrument hadden ze misschien allemaal bijna identieke scores gekregen, wat zou suggereren dat ze allemaal even veerkrachtig waren. Echter, de RAFT-tool onthulde iets veel interessanters. Ondanks dat ze vergelijkbare algemene scores hadden, hadden de drie boerderijen zeer verschillende profielen. De ene boerderij was sterk in het aanpassen aan verandering, maar zwak in haar basisinfrastructuur. Een andere was zeer robuust en kon schokken goed opvangen, maar had moeite om haar praktijken te veranderen wanneer dat nodig was. Een derde had een mix van sterktes en zwaktes die uniek waren voor haar managementstijl.

Dit vermogen om verschillen te spotten waar anderen alleen gelijkenis zien, is het meest waardevolle kenmerk van het instrument. Het stelt een boer of adviseur in staat om niet alleen een enkel cijfer te zien, maar een gedetailleerde kaart van de sterktes en zwaktes van de boerderij. Bijvoorbeeld, het instrument kon laten zien dat een lage score in één gebied te wijten was aan een structureel probleem, zoals een gebrek aan irrigatie-infrastructuur dat overheidsinvesteringen vereist, terwijl een lage score in een ander gebied te wijten was aan een managementprobleem, zoals een gebrek aan planning dat met training kan worden opgelost. Dit onderscheid is cruciaal omdat het beleidsmakers en adviseurs precies vertelt welk soort hulp een boerderij nodig heeft. In plaats van een eenheidsoplossing aan te bieden, kan ondersteuning gericht worden op het specifieke type veerkracht dat de boerderij mist.

De methode valt ook op omdat het klimaat- en marktrisico's als twee kanten van dezelfde munt behandelt. In het verleden keken instrumenten vaak apart naar deze zaken, maar voor een boer is een droogte die een oogst ruïneert net zo schadelijk als een plotselinge daling van de graanprijzen. De RAFT-tool combineert deze dimensies tot één samenhangend beeld. Het is ontworpen om open en transparant te zijn, wat betekent dat de vragen en de logica erachter beschikbaar zijn voor iedereen om te zien en aan te passen aan hun eigen lokale omstandigheden. In tegen tegenstelling tot sommige bestaande instrumenten die dure audits of complexe gegevensverzameling vereisen, is deze methode een zelfevaluatie die een boer in ongeveer een uur kan voltooien, gebaseerd op de eigen kennis van de boerderij.

De studie concludeert dat deze aanpak een belangrijke stap voorwaarts is voor de landbouwondersteuning. Het bewijst dat het mogelijk is om een gestandaardiseerd, betrouwbaar instrument te creëren dat individuele boeren helpt hun veerkracht tegen meerdere crises te begrijpen. Hoewel de eerste tests werden uitgevoerd op een klein aantal boerderijen en virtuele modellen, suggereren de resultaten dat de methode klaar is voor breder gebruik. Door de brede vraag "is deze boerderij veerkrachtig?" om te zetten in een specifieke lijst van "waar kan deze boerderij verbeteren?", biedt het instrument een praktisch pad vooruit. Het stelt boeren in staat om hun eigen kwetsbaarheden te identificeren en geeft adviseurs de informatie die zij nodig hebben om gerichte hulp te bieden, zodat de Europese landbouw beter voorbereid is op de onzekere jaren die komen.