Framtida risker och hot mot svensk spannmåls- respektive mjölkproduktion : En analys av forskningsbehov för att bedöma risker

Vad är syftet med denna Riskanalys? Svensk spannmåls- och mjölkproduktion beror på många faktorer av vilka flera är så kallade biofysiska, dvs i allt väsentligt är de av naturvetenskaplig karaktär (t ex väder, sjukdomar mm). En del förändringar i dessa förutsättningar utgör hot. Vår studie avser att identifiera några av dessa hot och utvärdera, utifrån vetenskapligt testade metodiker, sannolikheten för att de orsakar en skada på produktionen. Detta kräver dock ett mycket omfattande arbete och i denna studie har vi därför begränsat oss till att (i) strukturera hur en vetenskapligt baserad riskanalys bör gå till, och (ii) göra ett antal preliminära riskanalyser för att (iii) identifiera kunskapsluckor som behöver forskas på för att analysen ska kunna antas vila på en vetenskaplig grund. Vad menar vi med Risk? Vi har definierat risk som sannolikheten att ett hot orsakar en viss negativ konsekvens för den skyddsvärda tillgången. Av dessa termer är kanske den sistnämnda den mest centrala. Vad är det vi vill skydda? Vi har valt ut två tillgångar, Sveriges nationella spannmåls- respektive mjölkproduktion och avser då den produktion som lämnar gården, eller används inom gården, och att de skyddas så att de förblir ungefär av den omfattningen de har i dagsläget. Hoten mot denna produktion har valts utifrån förslag från tidigare studier, workshop, tillgången på experter och att hoten ska vara av biofysisk karaktär. Vilket hot som verkligen utgör en stor risk vet vi ju dock inte förrän efter riskanalysen är utförd och valen av hot bygger därför på en preliminär uppskattning. Biofysisk karaktär innebär att vi främst analyserat naturvetenskapliga hot. Hoten orsakar effekter på produktionen i mätbara termer som sedan översätts till en mer abstrakt skala från ingen till extremt negativ konsekvens. Beroende på olika osäkerhetsfaktorer erhåller vi flera konsekvensvärden för ett givet hot, och fördelningen av dessa på konsekvensskalan utgör ett mått på sannolikheten. Risken anges alltså som ett förhållande mellan konsekvens och sannolikhet. Varför har vi gjort denna systemavgränsning? Riskanalysen har två huvudaktörer; riskhanteraren som definierar vad som ska anlyseras och analysfunktionen som utför analysen. Riskhanteraren är i vårt fall styrgruppen för SLUs forskningsprogram Framtidens lantbruk (FA, 2015) som har definierat typen av hot och de skyddsvärda tillgångarna som ska analyseras. Vi som utfört denna studie är analysfunktionen, och har alltså dessa definitioner som en utgångspunkt. Om vi ändå tillåter oss att spekulera kring valet av spannmåls- respektive mjölkproduktionen så kan det motiveras av SLU's nationella ansvar vad avser den vetenskapliga kompetensen inom de areella näringarna. Ett fokus på biofysiska hot motiveras av att dessa är potentiellt stora och växande, såsom t ex är fallet vad avser klimatförändringar. Riskanalyser av denna typ bildar centrala underlag för att formulera olika strategier, t ex angående livsmedelsförsörjning. Hur har arbetet gått till? Riskanalyserna har utförts för ett antal "krisscenarier"; fyra avseende hot mot spannmålsproduktionen (Radioaktivt-nedfall, Virus-i-spannmål, Herbicidresistens och Extremt-sommarväder) och tre avseende mjölkproduktionen (Leptospiros-utbrott, Foderimport-stopp och Värmebölja). Analysen tar sin utgångspunkt i ett omvärldsscenario som definierar de yttre förutsättningarna för vad som antas inträffa. Detta ligger till grund för att identifiera troliga hot mot produktionen och vilka åtgärder som förväntas vidtas. Vi har sedan utgått från att dessa hot och åtgärder verkligen har hänt när vi mha våra förklaringsmodeller bestämt effekterna på produktionen i termer av mätbara enheter ("metrics"; t ex procentuell minskning av lokal eller regional veteproduktion). Dessa effekter tolkas/integreras sedan till en konsekvens för, helst den nationella, men i realiteten främst den regionala produktionen i fem nivåer (ingen, liten, måttlig, stor respektive extrem). Osäkerheter i bedömningarna innebär att flera alternativa konsekvenser erhålls, för ett givet hot, och som ligger till grund för en sannolikhetsbedömning. Analyserna har gjorts av experter inom respektive hots vetenskapliga område, men som haft begränsade förutsättningar (av tidsskäl) att göra tillräckligt många bedömningar för att erhålla ett tillförlitligt mått på sannolikhetsfördelningen (osäkerheten). Istället har vi, vilket också är ett huvudsyfte med studien, huvudsakligen försökt identifiera de kunskapsluckor i förklaringsmodellerna som begränsat våra möjligheter att kunna göra vetenskapligt baserade bedömningar av effekterna (se vidare Appendix 3). Vad är resultatet? Vi har gjort vissa grova skattningar av sannolikheten trots det bristfälliga antalet bedömningar av konsekvenser. Om ett radioaktivt nedfall sker i en region får det extrema konsekvenser för dess spannmålsproduktion på regional nivå. Ett omfattande angrepp av jordburna virus orsakar en måttlig eller stor konsekvens. En utvecklad herbicidresistens hos ogräsen orsakar i huvudsak en liten till måttlig konsekvens. En extremt torr sommar kan ett år orsaka en stor konsekvens och ett annat år ingen alls. Likaledes orsakar en Regnig-sensommar i ca hälften av fallen ingen konsekvens, men för de resterande åren kan alla grader av konsekvenser uppstå på spannmålsproduktionen. För mjölkproduktionen orsakar samtliga tre hot (Leptospiros-utbrott, Foderimport-stopp och Värmebölja) en liten till måttlig konsekvens. Vad avser ett importsopp för foder är detta under förutsättning att olika åtgärdsprogram kombineras. Om fokus läggs på endast ett åtgärdsprogram ökar risken väsentligt. Dessa skattningar ska alltså inte betraktas som en vetenskapligt baserad analys i nuläget, utan demonstrerar främst exempel på resultat från sådana analyser. Skattningarna har hjälpt oss att identifiera vilka kunskaper vi saknar för att analyserna ska kunna betraktas som vetenskapligt baserade (se vidare Tabell 4.3a; sammanfattningar av respektive scenario finns i Resultatdelen). Analyserna har ibland också lett till att vi identifierat följdhändelser som faller utanför systemavgränsningen för vår studie och som andra studier har till uppgift att utreda. Många av de hot vi analyserat kan leda till betydande ekonomiska konsekvenser för enskilda företag, vilket i sin tur utgör hot mot produktionen. För denna analys krävs dock socioekonomiska analyser. Vi ser här också kopplingar mellan krisscenarier som är av biofysisk karaktär, t ex kan foder kontaminerat med radioaktivt cesium utgöra ett hot mot mjölkproduktionen. Vår studie har dock bara analyserat ett krisscenarios inverkan på antigen spannmåls- eller mjölkproduktionen. Vilka är de viktigaste slutsatserna? En central fråga är: Hur trovärdiga/säkra är dessa förutsägelser? Risk avser en förutsägelse om något som ännu inte hänt. Det första som behövs är alltså någon form av modell. Dessa modeller kan vara av olika sort i termer av vilken empirisk kunskap de använder för extrapolering (t ex funktioner, behandlingseffekter, mm), om de är objektiva och om de är transparenta. Alla modeller är osäkra i någon mening. Dock saknas i alla de fall vi undersökt mått på modellernas förutsägelseförmåga (med något enstaka undantag). En allmän slutsats blir att forskningen behöver inriktas mot att testa modellernas förutsägelseförmåga mot observationer för att kunna bidra till en vetenskapligt baserad riskanalys av spannmåls- respektive mjölkproduktionen. Detta innebär att experiment- och försöksupplägg behöver göras utifrån hypoteser (modeller) om hur de dynamiska förloppen beror på varierande förutsättningar och omgivningsförhållanden. T ex behöver de statistiska relationerna för hur Extremt-sommarväder påverkar spannmålsproduktionen, som används i vår studie, kompletteras med tester av grödmodeller som kan beakta flera vädervariablers samtida variationer i både tid och rum. För kunskapsluckor som är specifika för respektive hot, se Tabell 4.4. Sammanfattningsvis behövs (i) fler förutsägelser av respektive potentiellt hots konsekvenser på produktionen, med modeller som har någon form av graderad tillförlitlighet, för att erhålla mått på osäkerheter. Dessutom behövs det (ii) tester av hypoteser för uppskalningar från kontrollerade experiment och försök (på en liten skala i tid och rum) till regional och nationell skala över flera år, och (iii) utveckling av metodiker för hur sannolikheter för hot, åtgärder respektive konsekvenser kan kombineras till en sannolikhetsfördelning som inbegriper bedömningsosäkerheter för alla dessa faktorer. Troligtvis behövs också att fler potentiella biofysiska hot analyseras. Hur går vi vidare? En mer fullständig riskanalys som inkluderar alla potentiellt stora hot mot produktionen, och samtidigt är vetenskapligt baserad, kräver att potentiella hot utreds kontinuerligt inom respektive produktionsrelaterat ämnesområde vid SLU. Detta kräver troligen att verksamheter som testar hypoteser för att förutsäga effekter av hot knyts nära den experimentella forskningen och experter inom respektive ämnesområde. Det krävs troligen också att en syntesverksamhet etableras på en ämnesövergripande nivå där metodiker kan standardardiseras, och olika hot och dess konsekvenser kan jämföras och kombineras. En sådan fungerande verksamhet behöver utvidga systemgränserna jämfört med vår studie, genom att sannolikheter för att hot uppkommer och att åtgärder faktiskt vidtas, också bedöms. Dessa sannolikheter behöver sedan integreras med sannolikheterna för konsekvenserna på produktionen. Därefter kan riskanalysen utökas till att inbegripa en mer avlägsen framtid, t ex liknande de tidsperspektiv som klimatförändringsanalyser behandlar. Två av hoten mot mjölkproduktionen utgör exempel på riskanalys för en nära framtid (ca 2025). Vi avslutar rapporten med att diskutera hur en sådan ansats kan se ut i ett längre perspektiv