Modellen geven richting aan beleid in een turbulente markt

Op de dag van de Russische inval zagen onderzoekers Roel Jongeneel en Siemen van Berkum meteen dat dit wereldwijd voelbaar zou zijn. Jongeneel: ‘Ik houd allerlei markten en regio’s continu in de gaten, onder andere het Zwarte Zeegebied. Egypte, ’s werelds grootste graanimporteur, haalt normaal zo’n 80% van zijn graanimport uit die regio. Toen die export stokte, dacht ik direct: wat gaat daar gebeuren?’

Volgens Van Berkum kwam vrijwel direct een brede beleidsvraag binnen: ‘Wat betekent dit voor Nederland, voor de EU en voor voedselzekerheid in de wereld? En wat kan LVVN doen?’

Om de gevolgen goed in kaart te brengen, keken de onderzoekers op drie niveaus: van individuele boeren tot Europa en de wereldmarkt.

1. Bedrijveninformatienet: real-time inzicht op bedrijfsniveau

Met deze data hebben onderzoekers inzicht in ruim duizend agrarische bedrijven en konden meteen zien wat er gebeurde. Jongeneel: ‘Door de oorlog gingen de energie- en kunstmestprijzen sterk omhoog. Je zou dan ook minder gebruik verwachten, maar dat gebeurde eigenlijk nauwelijks. We zagen namelijk dat veel akkerbouwers hun kunstmest al vóór de prijsstijging hadden ingekocht.’

Dezelfde data brachten nuance in het energieverhaal, waarbij we ook deels afhankelijk zijn van Rusland: ‘Glastuinbouw is niet alleen verbruiker, maar via warmtekrachtkoppeling soms óók producent van energie. Daardoor waren er bedrijven die eraan verdienden’, aldus Jongeneel. ‘Dat soort inzichten hielp het ministerie met de beleidskeuze om niet meteen te gaan compenseren, maar eerst te kijken wat er écht speelt.’

2. MAGNET: inzicht in mondiale voedselzekerheid

Het MAGNET‑model laat zien hoe handel, productie en prijzen wereldwijd reageren. Van Berkum: ‘Iedereen voelde: dit gaat voor prijsstijgingen zorgen. Met het model kun je kwantificeren: hoeveel en in welke orde van grootte?’

MAGNET liet zien waar de grootste mondiale kwetsbaarheden zaten (zoals Egypte en Turkije) en maakte zichtbaar hoe markten zich in theorie aanpassen wanneer aanbod wegvalt: hogere prijzen leiden tot verschuivende handelsstromen en extra productie elders. In de praktijk zagen de onderzoekers precies zulke mechanismen optreden. Jongeneel: ‘India had bijvoorbeeld enorme voorraden en besloot die beschikbaar te maken in plaats van te blokkeren. Dat werkte stabiliserend en we zagen sneller dan gedacht dat de prijzen begonnen te dalen.’

3. AGMEMOD: Europese en Nederlandse vertaalslag

Een ander model, AGMEMOD, brengt EU‑markten én beleid gedetailleerd in beeld. Jongeneel: ‘Omdat alle lidstaten en al het beleid in het model zitten, kun je direct een beleidsknop aanpassen en de gevolgen daarvan simuleren. De vraag was bijvoorbeeld wat er zou gebeuren als we de 4% ecologische focusgebieden tijdelijk vrijgeven om weer te gebruiken voor productie. In de doorrekening zagen we meteen terug dat het effect voor Nederland op productie en prijzen minimaal was.’

Die kennis hielp het ministerie om proportioneel te reageren. Van Berkum: ‘Onze modellen geven de orde van grootte van effecten en we kunnen in korte tijd meerdere beleidsopties consistent doorrekenen. Daar voegen we altijd sectorkennis aan toe, zowel kwalitatief als kwantitatief. Zo weten we dat ecologische focusgebieden in Nederland gemiddeld minder productief zijn en daardoor is het effect van tijdelijke vrijgave beperkt. De combinatie van cijfers én praktijkkennis maakt de analyse betrouwbaar en bruikbaar.’ 

De grootste uitdaging was het formuleren van realistische scenario’s. Dat deden de onderzoekers vanuit een combinatie van eerdere studies, sectorkennis, actuele marktinformatie en overleg met het ministerie. Van Berkum: ‘We hebben veel gesproken over aannames rond gas- en olieprijzen, kunstmestbeschikbaarheid en mogelijke beleidsreacties. Daarnaast gebruikten we onze kennis van markten en teelten en ervaringen uit eerdere analyses. Pas wanneer al die informatie bij elkaar komt, kun je bepalen welke scenario’s werkelijk plausibel zijn.’

Zodra enkele plausibele scenario’s waren vastgesteld, konden de modellen snel hun werk doen. Jongeneel: ‘De beleidsknoppen zitten al in het model. Het doorrekenen zelf gaat dan snel, soms is het letterlijk een knop omzetten. Het echte werk zit in het bepalen welke scenario’s de werkelijkheid het beste benaderen; het draaien van het model is daarna relatief eenvoudig.’

De eerste weken na de inval heerste wereldwijd de vrees dat de oorlog zou uitmonden in langdurige voedseltekorten en extreme prijsstijgingen. Van Berkum: ‘Die grote gevolgen traden uiteindelijk niet op. Door reacties wereldwijd stabiliseerde de markt sneller dan veel partijen, ook wijzelf, eerder dachten.’ Volgens Jongeneel laat de crisis vooral zien hoe belangrijk het is om data, modellen én praktijkkennis te combineren. ‘Modellen geven richting en orde van grootte, maar zonder sectorkennis loop je het risico verkeerde conclusies te trekken. We zagen dat bijvoorbeeld bij het ecologisch focusgebied: het model liet al een klein effect zien, maar doordat we weten hoe die gronden in de praktijk worden gebruikt, konden we het effect voor Nederland pas echt goed duiden.’

De onderzoekers blijven met de modellen doorwerken aan nieuwe vragen. Jongeneel: ‘We kijken nu bijvoorbeeld met Oekraïense collega’s naar de gevolgen voor graanprijzen als Oekraïne lid wordt van de EU. Dan heb je het over bijna 40% extra EU‑landbouwareaal en dat vraagt om betrouwbare doorrekeningen.’ 

Onderzoekers van Wageningen Social & Economic Research werken nauw samen met het ministerie van Landbouw, Visserij, Voedselzekerheid en Natuur (LVVN) en internationale onderzoeksteams die bijdragen aan het MAGNET‑ en AGMEMOD‑model.