Download to read offline
![17
};min{max
WTФАР YYY =
q
Q
kY mФАР
∑
= η4
10 (2)
W
WT
k
PW
Y
)(
7,0
+
=
где: ФАРY - урожайность при стандартной влажности (ц/га);
η - коэффициент использования ФАР (%);
mk - доля хозяйственно ценных органов растения в общей биомассе;
q - калорийность урожая (ккал/кг),
∑Q - сумма ФАР за период вегетации (ккал/см2
)
PW, - начальные влагозапасы и сумма осадков периода вегетации, мм,
соответственно;
Wk - биологический коэффициент испарения, мм*га/ц
Пример использования продукционных моделей в растениеводстве
(таблицы 1, 2):
Оптимизация отраслевой структуры растениеводства
],1[,0,
max))({
,
max
,,
1
,,
1
1
,
miSD
DD
DSDS
SS
SzCDy
iiNPK
iNPKiNPK
m
i
факт
iNPK
факт
iiNPK
m
i
i
m
i
факт
i
m
i
i
ii
m
i
iiNPKi
=∀≥
≤
=
≤
⇒−
∑∑
∑∑
∑
==
=
(3)
где iS - посевная площадь i-ой культуры
iC - цена реализации 1 ц i-ой культуры
iZ - затраты на 1 ц i-ой культуры](https://image.slidesharecdn.com/20131203-rep-viapi-rom-2013-141228021204-conversion-gate01/85/20131203-rep-viapi-rom-2013-17-320.jpg)
![24
2 Моделирование эффективной производственной структуры региональных
агропродовольственных систем
Постановка задачи оптимизации параметров региональной системы
земледелия
В нашей постановке урожайность сельскохозяйственной культуры определяется
следующим образом:
эNPKa yDkyy ∆++= 01,00 , (4)
где эa yky ∆,,0 - уровень урожайности данной культуры без применения
минеральных удобрений, коэффициент агрономической эффективности, равный
отношению прибавки урожайности на единицу прироста дозы удобрений, прибавка
урожайности за счет применения элитного посевного материала, соответственно.
Коэффициент агрономической эффективности связан с агроэкологическим
потенциалом территории региона, по наши оценкам, следующим образом:
3,0*
)(АПkk aa = , (5)
где АПka ,*
- параметр уравнения регрессии, зависящий от возделываемой культуры,
и величина агроэкологического потенция региона соответственно.
уб
эS
NPK
факт
NPKфакт
y
D
D
yy /
0 )3,01( ∆+−= , (6)
где S
NPK
факт
NPK DD , фактически применяемые дозы удобрений и фонд доступных
элементов минерального питания в пахотном слое, прибавка от элитных семян без
удобрений соответственно.
Величина S
NPKD определяется по формуле:
∑
=
=
3
1k
kk
S
NPK QD µη , (7)
где η - коэффициент приведения содержания элементов минерального питания к
пахотному слою 3≈η ;
kQ - содержание легкогидролизуемого азота, подвижного фосфора и обменного
калия при ]3,1[=k соответственно (кг/га);](https://image.slidesharecdn.com/20131203-rep-viapi-rom-2013-141228021204-conversion-gate01/85/20131203-rep-viapi-rom-2013-24-320.jpg)
![25
kµ - коэффициенты использования элементов минерального питания из почвы, доли.
Урожайность определяется в результате решения задачи:
}8,0;001,0max{
001,0
0
0
фактфакт
NPKNPK
факт
NPKNPK
zDCzz
DCzz
−=
+=
(8)
где NPKC - цена покупки минеральных удобрений в данном регионе.
При подстановке соотношений (4-8) в (9) получается нелинейная задача поиска
экстремума с ограничениями, которая и решается для каждого региона.
В регионе возделываются m сельскохозяйственных культур со средней
урожайностью ],1[),/(, miгацyфакт
i = . При этом засеваются площади
],1[),.(, miгатысSфакт
i = , а производитель несет затраты в размере
],1[,/. miгарубтысzфакт
i = . В соответствие с существующими агротехнологиями
предусмотрено внесение минеральных удобрений под i –ю культуру в дозе
],1[,/, miгакгDфакт
iNPK = . В предлагаемой постановке в результате решения задачи
оптимизации отраслевой структуры требуется найти такие значения
],1[,,,, , miDzSy iNPKiii = , которые максимизируют чистый доход от производства
растениеводческой продукции в данном регионе. Такое решение будем называть
оптимальным по чистому доходу. При этом сумма посевных площадей
оптимального решения не должна превышать фактические значения, а суммарный
объем минеральных удобрений должен быть одинаковым для оптимального
варианта и факта.
Математическая запись такой задачи выглядит следующим образом:
],1[,0,
max}))({
,
max
,,
1
,,
1
1
,
miSD
DD
DSDS
SS
SzCDy
iiNPK
iNPKiNPK
m
i
iNPK
факт
iiNPK
m
i
i
m
i
факт
i
m
i
i
ii
m
i
iiNPKi
=∀≥
≤
=
≤
⇒−
∑∑
∑∑
∑
==
=
, (9)
где iC - цена реализации товарной части сельскохозяйственной культуры.](https://image.slidesharecdn.com/20131203-rep-viapi-rom-2013-141228021204-conversion-gate01/85/20131203-rep-viapi-rom-2013-25-320.jpg)
![26
Последние две строчки ограничивают дозы применения удобрений
максимально допустимыми величинами для данной культуры, а также требуют
положительных (точнее неотрицательных) значений для искомых доз удобрений и
посевных площадей.
В результате получается эффективная производственная структура
производства товарной продукции растениеводства и кормовой ее части.
На следующем этапе предстоит определить те отрасли животноводства,
которые наиболее эффективно могут использовать полученные кормовые ресурсы.
Для этого требуется эффективно разделить имеющиеся кормовые ресурсы по
отраслям животноводства. В поиск в этом случае предлагается поставить значения
долей кормовых ресурсов по каждому виду отраслей животноводства. Решается
задача распределения кормовых ресурсов по отраслям животноводства, что
позволит определить поголовье того или иного вида животных, которое может быть
эффективным на имеющейся кормовой базе. При этом кормовые ресурсы
сгруппированы следующим образом: концентраты, сочные корма и грубые корма.
Соотношения кормов определяется по каждой группе. Критерием является минимум
затрат на корма при 100% использовании имеющейся кормовой базы. В результате
решения задачи в данной постановке определяется численность поголовья и
продуктивность каждого вида животных. Математическая запись задачи выглядит
следующим образом:
Показатель концентрация обменной энергии в рационе можно записать
следующим образом:
Σ βij vi s iŶi/ Σ βij wisi Ŷi- концентрация обменной энергии в рационе, где vi-
содержание обменной энергии в единице массы i – го кормового средства; i∈[1,3] -
концентрированные корма, сочные корма и грубые корма. При этом считается, что
культуры сплошного сева поставляют в животноводство концентраты, многолетние
травы, зеленые корма - грубые корма в заданной структуре, пропашные - сочные
корма.
wi- то же, сухого вещества.](https://image.slidesharecdn.com/20131203-rep-viapi-rom-2013-141228021204-conversion-gate01/85/20131203-rep-viapi-rom-2013-26-320.jpg)
![27
Ŷi – урожайность классообразующей сельскохозяйственной культуры по
производству i – го кормового средства;
s i – посевная площадь, занятая сельскохозяйственными культурами данного класса
s iŶi - объем производства i – го кормового средства;
βij - доля i-го вида кормов, используемая для производства продукции
животноводства j-го вида
i∈[1,3]
j∈J – множество видов продукции животноводства
Молочная продуктивность определяется следующим образом:
Определяется суточный удой коровы как функция концентрации обменной энергии
корма и средней живой массы:
U= F{(Σ βij vi s iŶi/ Σ βij wisi Ŷi),Mср.}, i∈[1,3], (10)
U – суточный удой коровы со средней массой Mср.
Затем суточный удой умножается на период лактации l в среднем за год.
Uгод = U* l (11)
На следующем шаге определяется годовая потребность одной коровы в
обменной энергии, исходя из нормативов на рассчитанный среднегодовой удой и
поголовье коров (Nкоров).
Mol = Nкоров * Uгод, где (12)
Mol - производство молока, тонн
Используя структурный коэффициент и коэффициент перевода поголовья в
среднегодовое, определяем поголовье КРС, которое может содержаться на заданном
объеме кормов. Структурный коэффициент является функцией доли коров в стаде и
может меняться в зависимости от воспроизводственной структуры стада.
Nj=F (α, Nкоров) (13)
α - доля коров в стаде,
Мj - производство мяса определяется, исходя из норматива
(nj) выхода мяса на 1 структурную голову КРС:
Мj = nj * Nj, j=1 (14)](https://image.slidesharecdn.com/20131203-rep-viapi-rom-2013-141228021204-conversion-gate01/85/20131203-rep-viapi-rom-2013-27-320.jpg)
![28
Среднегодовое поголовье свиней и птицы определяется, исходя из норматива
расхода обменной энергии на одну структурную голову и общего количества
обменной энергии, доступной для производства данного вида продукции
животноводства.
N(j)=F (Q(j), Σ βijvi s iŶi ) (15)
Q(j) - потребность к.ед. на структурную голову свиней или птицы,
j=2,3
Производство мяса для этих видов деятельности определяется также с
использованием нормативного подхода (имеется в виду норматив выхода мяса на
одну структурную голову):
Мj= nj * Nj, (16)
j=2,3
1) Модель производственных затрат по возделыванию i - й классообразующей
культуры:
Zi= Zi(Ŷi, H, Nу,Pу,Kу,Li(Ŷi),Ri(Hi, Ŷi), С), i∈[1,3], (17)
где Zi - производственные затраты, тыс.руб/га
Ŷi – средняя урожайность по i – й группе кормов.
Nу,Pу,Kу - дозы вносимых удобрений в физической массе,
Li(Ŷi)- зависимость затрат труда от урожайности,
Ri(Hi(τ), Ŷi) - зависимость затрат ГСМ от урожайности и доз вносимой органики,
С- вектор, компоненты которого- цены на расходуемые ресурсы и ставки заработной
платы в растениеводстве и животноводстве.
Z= Σ Zi*s i - затраты на корма всего, тыс. руб.
i
2) Модель затрат на корма в животноводстве:
Zj =Σ(βij Zisi ),
i (18)
где Zj –затраты на корма для j-го вида животных,
Z = Σ Zj, затраты на корма всего, тыс. руб.
j
j∈J – множество видов продукции животноводства](https://image.slidesharecdn.com/20131203-rep-viapi-rom-2013-141228021204-conversion-gate01/85/20131203-rep-viapi-rom-2013-28-320.jpg)
![34
трансформации С почвы. Внедрение технологий устойчивого земледелия
предполагает широкое использование данных полевых экспериментов и моделей
описания динамики ОВ.
База данных для моделирования должна включать информацию о
климатических, почвенных и сельскохозяйственных ресурсах.
Зависимость урожайности классообразующих культур от климатических
условий, содержания гумуса, доступных форм N,P,K в почвенном слое:
Yi(τ) = Yi bas +∆ Yi, i∈[1,3] (23)
где Yi(τ) - вектор урожайности классообразующих культур в году τ; классами
культур являются: культуры сплошного сева, многолетние травы, пропашные,
поэтому каждый регион должен быть представлен только тремя культурами,
являющимися классообразующими.
Yibas - усредненные за период с 2009 по 2011гг. значения урожайности
классообразующих культур региона, заданные в виде констант.
Получение оценок урожайности классообразующих культур связано с
агрегированием исходной статистической информации. Для этого предлагается
следующий порядок действий:
Суммировать посевные площади всех культур, входящих в соответствующий
класс;
Определить ведущую культуру данного класса (например, картофель или
сахарную свеклу в классе пропашных, пшеницу или ячмень для культур сплошного
сева и т.п.);
Считая, что вся площадь класса занята ведущей культурой, выбрать для нее
все необходимые статистические характеристики (урожайность потенциально
возможная и действительно наблюдаемая, цены реализации продукции данного вида
и т.п.);
Произвести калькуляцию себестоимости производства данной культуры в
регионе;](https://image.slidesharecdn.com/20131203-rep-viapi-rom-2013-141228021204-conversion-gate01/85/20131203-rep-viapi-rom-2013-34-320.jpg)
![36
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ){ } ( ) ( )
( ) ( ) ( ) ( ) ( ){ }
∑ Ζ∑Τ
=
=
Μ
=
ΚΡΝΜΑΧ
→
∑−Ζ−Μ+Ν+Υ−Ω
=Π
1
1
3
1
,,,,,,
1
τ
ταδττττ
τττττττταττττδ
iyyyi
i
i
n
i
мясмолSinpi
i
ii
S
SCCUCs
(24)
T - период времени, на котором рассматривается прогнозный сценарий.
Спр(τ), Смол(τ), Смяс(τ) - цены реализации продукции растениеводства, молока и
мяса КРС, соответственно в году τ.
τ=1÷ T; (25)
В данной постановке региональные цены производителей товарной продукции
сельского хозяйства определяются как произведение средних прогнозных цен
производителя по России на ценовой индекс региональных отклонений:
Cq
µ
(τ)=Iq
µ
* Cq (τ), (26)
где Cq
µ
(τ)- цена производителей товарной продукции q-го вида в µ-м регионе,
Iq
µ
- ценовой индекс региональных отклонений продукции q-го вида в µ-м
регионе,
Cq (τ) – средняя прогнозная цена производителя продукции q-го вида в целом по
России, полученная при решении задачи частичного равновесия на мировых рынках
агропродовольственной продукции с помощью международной системы моделей
Aglink,
Zi(τ) - производственные затраты по возделыванию i - й классообразующей
культуры на 1 га посева, тыс.руб/га,
Zм(τ) - производственные затраты в молочном животноводстве,
тыс.руб/гол./год.
Производственные затраты в растениеводстве и животноводстве
определяются следующим образом:
1) Модель производственных затрат по возделыванию i - й классообразующей
культуры:
Zi(τ) = Zi(Yi(τ), H(τ), Nу(τ),Pу(τ),Kу(τ),Li(Yi(τ)),Ri(Hi(τ),Yi(τ)), С(τ)), i∈[1,3], (27)
где Zi(τ) - производственные затраты, тыс.руб/га
Nу(τ),Pу(τ),Kу(τ) - дозы вносимых удобрений в физической массе,
Li(Yi(τ))- зависимость затрат труда от урожайности,](https://image.slidesharecdn.com/20131203-rep-viapi-rom-2013-141228021204-conversion-gate01/85/20131203-rep-viapi-rom-2013-36-320.jpg)
![37
Ri(Hi(τ),Yi(τ)) - зависимость затрат ГСМ от урожайности и доз вносимой
органики,
С(τ) - вектор, компоненты которого- цены на расходуемые ресурсы и ставки
заработной платы в растениеводстве и животноводстве.
2) Модель производственных затрат в молочном скотоводстве:
Zм(τ) = Zм({Σδi Zi(τ)/ Σδisi(τ)Yi(τ)},α(τ), L(U(τ)), R(U (τ)),М(α(τ)),С (τ)) , (28)
U(τ) = U(Σδivi s i(τ)Yi(τ)/ Σδiwisi (τ)Yi(τ)), i∈[1,3] (29)
М(τ) = (α(τ)) (30)
где Zм(τ) - производственные затраты в молочном животноводстве, тыс.руб/гол./год,
δi- доля валового сбора возделываемых культур, используемая как кормовое
средство,
si- доля севооборотной площади занятой i – й культурой, используемой в
качестве кормового средства,
α(τ) - доля коров в стаде,
L(U(τ)) - затраты труда как функция удоя молока,
U(τ) - удой молока,
Σδivi s i(τ)Yi(τ)/ Σδiwisi (τ)Yi(τ)- концентрация обменной энергии в рационе коров,
vi - содержание обменной энергии в единице массы i-й культуры,
используемой в качестве кормового средства; при этом считается, что культуры
сплошного сева поставляют в молочное животноводство концентраты, многолетние
травы - зеленые корма и грубые корма в заданной структуре, пропашные - сочные
корма,
wi- то же, сухого вещества,
М(τ) - производство мяса в расчете на голову стада КРС,
Н(τ) = h({Ω/ Ns(τ)} Σδiwisi (τ)Yi(τ)) - зависимость производства навоза КРС,
т/гол/год от содержания сухого вещества в рационе, обеспеченности поголовья КРС
земельными ресурсами,
Ns(τ) - поголовье КРС в регионе,
Ω - площадь земель сельскохозяйственного назначения
(пашня+луга+пастбища+сенокосы),](https://image.slidesharecdn.com/20131203-rep-viapi-rom-2013-141228021204-conversion-gate01/85/20131203-rep-viapi-rom-2013-37-320.jpg)
![38
Максимизация осуществляется в области, задаваемой следующими
ограничениями:
∆G(S, H,N,γ)= ∆н , (31)
∆н - заданный темп изменения гумуса,
P(τ+1) = P(τ) +∆Pост(τ)+ ∆Pоргудобр(τ)+ ∆Pминудобр(τ) - ∆Pурож(τ) (32)
К(τ+1) = К(τ) +∆Кост(τ)+ ∆Коргудобр(τ)+ ∆Кминудобр(τ) - ∆Курож(τ) (33)
Nу(τ)≤ Nmax
у,Kу(τ) ≤ Kmax
у (34)
0≤α(τ) ≤0,672
(35)
δivi si(τ)Yi(τ)Є [vimin,vimax], i Є[1,3], (36)
3
Σsi(τ) = 1 (37)
i=1
0≤si(τ) ≤ si max, (38)
si max - севооборотные ограничения на структуру площадей,
Nmax
у, Kmax
у - предельно допустимые дозы применения азотных и калийных
удобрений, ограниченные исходя из требований защиты качества подземных вод,
vimin,vimax - зоотехнические ограничения на структуру кормового рациона КРС,
Таким образом, в качестве решения, то есть параметров системы земледелия,
эффективной в эколого-экономическом отношении, определяются:
Структура севооборотного массива региона по классам культур – культуры
сплошного сева, пропашные, многолетние травы;
Плотность стада КРС на 1 га севооборотной площади, доля коров в стаде;
Выход продукции скотоводства на 1 га севооборотной площади;
Затраты, обеспечивающие данный выход продукции растениеводства и
скотоводства с 1 га севооборотной площади.
Информационное обеспечение модели для расчета параметров региональных
систем земледелия, эффективных в эколого-экономическом отношении, состоит из
следующих видов:
1. Переменная информация, задаваемая на интервале проведения имитационных
расчетов.
2
Собственное воспроизводство поголовья стада КРС невозможно при α(τ)>0,67](https://image.slidesharecdn.com/20131203-rep-viapi-rom-2013-141228021204-conversion-gate01/85/20131203-rep-viapi-rom-2013-38-320.jpg)
![51
3 Модели потребления агропродовольственной продукции в регионах России
На втором этапе при определении объемов конечного потребления в
регионе используются степенные производственные функции с постоянной
эластичностью замещения по цене и доходу на душу населения.
Производственное потребление определяется исходя из наличия
производственных мощностей переработки и коэффициента использования
производственных мощностей.
Постановка задачи по определению конечного потребления
агропродовольственной продукции
Общепринятой классификации функций спроса и потребления не существует,
но при использовании в качестве зависимой переменной указателя,
измеренного на метрической интервальной шкале (натуральные и стоимостные
показатели потребления), различают следующие виды моделей:
- структурные;
- факторные модели зависимостей;
- макроэкономические модели спроса и предложения.
Параметры таких моделей наиболее часто определяются методом
наименьших квадратов (МНК) и позволяют прогнозировать потребление и
спрос, анализировать дифференциацию и эластичность потребления.
Для определения душевого потребления i–го вида продовольствия,
производимого из растительного сырья i– го вида, кг/чел/год, использовалась
логарифмическая функция двух параметров: годовой душевой доход,
тыс.руб/чел/год и цена приобретения продовольствия, руб/кг, i∈[1,4].
Были рассмотрены следующие виды продовольствия, производимые из
растительного сырья (кроме картофеля): хлеб и хлебопродукты в пересчете на муку,
масло подсолнечное, сахар из сахарной свеклы.
Следует отметить, что региональные различия, не сводящиеся к ценам и
доходам, при оценке параметров игнорировались. Это было сделано для повышения](https://image.slidesharecdn.com/20131203-rep-viapi-rom-2013-141228021204-conversion-gate01/85/20131203-rep-viapi-rom-2013-51-320.jpg)
![59
Общая схема моделирования динамики производства продукции переработки
может быть такой:
1. По каждому региону с использованием прошлой информации определяется
наличие производственных мощностей по переработке сырья для производства
продукции j-го вида, PMj , j∈[1,5];
2. Рассчитывается средний коэффициент использования производственных
мощностей по переработке сырья для производства продукции j-го вида, kpj ;
3. Рассчитывается средний коэффициент расхода сырья на производство
единицы продукции j-го вида. Для показателей производства растительного масла и
сахарного песка можно установить следующие регрессионные зависимости:
Pмука= 0,75*Vзерно (39)
R2
= 0,9
79,0
3,0
2
=
=
R
VP растподсраст
(40)
96,0
1055,0
2
=
= −
R
VP свсахсах
(41)
где Pмука – производство муки,
Vзерно – производство товарного зерна,
раст
P - производство растительного масла,
подс
V - валовой сбор семян подсолнечника,
сах
P - производство сахарного песка из сахарной свеклы,
свсах
V −
- валовой сбор сахарной свеклы;
4. Располагаемый ресурс сырья в данном регионе берется из решения
предыдущего этапа;
5. Определяется является ли ограничивающим фактором объем мощностей по
переработке сельскохозяйственного сырья при обеспечении конечного потребления
региона в данном виде продукции;](https://image.slidesharecdn.com/20131203-rep-viapi-rom-2013-141228021204-conversion-gate01/85/20131203-rep-viapi-rom-2013-59-320.jpg)
![105
программирования симплекс-методом. Данный пример является примером
несбалансированной транспортной задачи.
Таблица В.1 имеет размерность (m+2) x (n+2), где:
m - количество регионов-поставщиков зерна;
n - количество регионов-потребителей зерна.
Вторая таблица (таблица В.2) для транспортной задачи пакета LPSOLVE имеет
размерность m x n.
Эта таблица содержит матрицу тарифов на перевозку зерна по железной
дороге в России между областными центрами регионов-поставщиков и регионов-
потребителей. Стоимость железнодорожных перевозок зерна рассчитывается
согласно прейскуранту РЖД 10-01 “Тарифы на перевозки грузов и услуги” за 2011г.
Элемент этой матрицы содержит цену в рублях на перевозку 1 тонны зерна от i-ого
поставщика к j-ому потребителю.
2. Запуск программы транспортной задачи LPSOLVE.
Меню транспортной задачи в LPSOLVE состоит из 3-х окон. 1-е окно
содержит таблицу В.1. Второе - таблицу В.2. Третье - слово “RUN”.
3. Составление списка регионов-поставщиков и регионов-потребителей.
Список регионов-поставщиков и регионов-потребителей составляется из
“баланса ресурсов и использования зерна” [2].
Показатель “потребление зерна” в регионе берётся из графы “использование”.
Показатель “наличие зерна” в регионе равняется “начальные запасы” плюс
“производство”. При этом графа ввоз зерна, включая импорт и графа вывоз зерна,
включая экспорт не учитываются. Они будут рассчитываться в программе. Для
разбивки регионов на поставщиков и потребителей вводится следующий критерий:
если “начальные запасы” + “производство” > “использовано”, то это регион-
поставщик.
В противном случае, регион – потребитель.
Ограничения в списке поставщиков, это:
Вывоз = начальные запасы + производство - потребление.
Ограничения в списке потребителей, это:](https://image.slidesharecdn.com/20131203-rep-viapi-rom-2013-141228021204-conversion-gate01/85/20131203-rep-viapi-rom-2013-105-320.jpg)
![125
Из таблиц В.9 и В.10 следует, что программа нашла решение,
удовлетворяющее всем поставленным в транспортной задаче ограничениям.
Дальнейшие модификации задачи связаны с учётом региональных закупочных цен
на зерно и рассмотрением других южных, западных и восточных портов для
экспорта зерна.
6. Модификация транспортной задачи.
Следующая модификация транспортной задачи связана с учётом
региональных закупочных цен на зерновые и зернобобовые культуры в 2011г. [1].
Цены производителей на зерно в регионах России существенно отличаются. Так, в
2011г. максимальная закупочная цена на зерно среди регионов производителей
зерна, являющихся поставщиками зерна, была 9318 руб./т в Еврейской Автономной
области и 1693 руб./т в Чувашской Республике, т.е. отличались в 5,5 раз. Поэтому,
таблицу 2 тарифов на железнодорожные перевозки зерна между регионами России
следует заменить с учётом закупочных цен на зерно в регионе поставщике зерна.
Общее правило для формирования элемента ijс выглядит так:
в элемент ijс переписывается текущий транспортный тариф ijс , увеличенный на
закупочную цену iс региона поставщика зерна.
На листе “Потребители” в расчётной книге EXCEL приведены среднегодовые
закупочные цены на зерновые по регионам потребителям в 2011г. [1]. В нескольких
регионах Северо-Западного Федерального округа и Дальне-Восточного
Федерального округа, где цены отсутствовали, записывалась средняя по регионам
округа закупочная цена на зерно.
Результаты решения транспортной задачи с учётом закупочной цены на зерно
в регионах РФ приведены в двух таблицах В11 и В12.
Жёлтым цветом отмечены изменившиеся по сравнению с таблицами В9 и В10
значения объёма распределяемого груза.](https://image.slidesharecdn.com/20131203-rep-viapi-rom-2013-141228021204-conversion-gate01/85/20131203-rep-viapi-rom-2013-125-320.jpg)
![133
а) регион-потребитель Московская обл. получает зерно из Рязанской обл. в
объёме 0,46 млн. тонн и из Татарстана в объёме 0,94 млн. тонн (ранее получала
только из Татарстана в объёме 1,4 млн. тонн).
б) г. Москва получает из Татарстана 0,47 млн. тонн зерна.
7. Модификация транспортной задачи, связанная с учётом западных и восточных
портов РФ
Как было сказано ранее, в качестве экспортного зернового терминала в
транспортной задаче рассматривался южный порт в г.Новороссийске с пропускным
объёмом 13 млн. тонн зерна в год. В транспортной задаче этот порт обозначается как
“Экспорт 1”. В качестве “Экспорт 2” будет рассматриваться ещё один южный порт в
г. Туапсе, с пропускным объёмом в 2,5 млн. тонн зерна в год. В качестве западного
порта будет рассматриваться порт в г. Санкт-Петербург, с пропускной возможностью
1 млн. тонн зерна в год (“Экспорт 3”). И в качестве восточного порта будет
рассматриваться порт в г. Владивосток, с пропускной возможностью 1 млн. тонн
зерна в год (“Экспорт 4”).
В расчётах принимается, что экспортная цена на зерно во всех 4-х портах
одинакова и равна среднегодовой экспортной цене на пшеницу по данным ФТС [3].
Результаты решения транспортной задачи с учётом закупочной цены на зерно
в регионах РФ и использованием 4 портов России для экспорта зерна приведены в
двух таблицах В.13 и В.14.
Жёлтым цветом отмечены изменившиеся по сравнению с таблицами В.11 и
В.12 значения объёма распределяемого груза, названия регионов, изменения в
списке регионов.](https://image.slidesharecdn.com/20131203-rep-viapi-rom-2013-141228021204-conversion-gate01/85/20131203-rep-viapi-rom-2013-133-320.jpg)
![141
В таблице В.15 перечислены регионы-потребители зерна и объёмы зерна,
необходимые для региона, рассчитанные по модели в сравнении с фактически
ввезённым в 2011 г. объёмом зерна по железной дороге [2].
Таблица В.15 – Таблица регионов – потребителей зерна
Округ
России
п/п
Регион
Потребитель
Заявка в
тыс.
тонн
Факт. объём
в тыс. тонн
Отличие
в %
1. Владимирская обл. 500 40 1150,0
2. Ивановская обл. 200 54,1 269,7
3. Костромская обл. 130 58,9 120,7
4. Московская обл. 1400 444,3 215,1
Централь-
Ный
Федераль-ный
Округ
5. Тверская обл. 500 280,6 78,2
6. Тульская обл. 1690 207,8 713,3
7. Ярославская обл. 500 206,9 141,7
8. г. Москва 470 261,8 79,5
Южный ФО 9. Астраханская обл. 200 4,0 4900,0
Приволжский
ФО
10. Пермский край 10 289,5 -96,5
11. Карелия 10 11,4 -12,3
12. Коми 30 26,6 12,8
13. Архангельская обл. 20 24,3 -17,7
14. Вологодская обл. 20 189,1 -89,4
15. Ленинградская обл. 470 739,9 -36,5
16. Мурманская обл. 30 34,8 -13,8
17. Новгородская обл. 20 82,0 -75,6
18. Псковская обл. 50 27,2 83,8
Северо-Зап. ФО
19. г. Санкт-Петербург 900 513,3 75,3
Сибирский ФО 20. Республика Алтай 10 0 -
21. Республика Тыва 4 0 -
22. Якутия 20 12 66,7
23. Камчатка 30 0 -
24. Хабаровский край 110 102,0 7,8
25. Магаданская обл. 2 0 -
26. Сахалинская обл. 4 6,8 -41,2
Дальневосточный
Федеральный
Округ
27. Чукотка 0 0 0
Как видно из таблицы В.15, разброс в разнице заявленных в модели и
фактически поставленных по железной дороге в 2011г. объёмов зерна очень
большой. Причём большие отличия присутствуют как в сторону фактического](https://image.slidesharecdn.com/20131203-rep-viapi-rom-2013-141228021204-conversion-gate01/85/20131203-rep-viapi-rom-2013-141-320.jpg)
Uploaded byEcolife Journal
разработка модели агорорегиона виапи 20131203 rep-viapi-rom-2013
Документ содержит отчет о научно-исследовательском проекте, посвященном разработке экономико-математических моделей для формирования эффективной производственной структуры региональных агропродовольственных систем в России с учетом биоклиматического потенциала. Основные результаты включают создание системы моделей, которые способствуют оптимизации производственных процессов и межрегиональных транспортных потоков, а также обеспечивают поддержку для принятия управленческих решений в агропродовольственном секторе. Рекомендации касаются применения этих моделей специалистами в федеральных и региональных органах управления сельским хозяйством для рационализации бюджетных расходов и увеличения производства сельскохозяйственной продукции.
More Related Content
Similar to разработка модели агорорегиона виапи 20131203 rep-viapi-rom-2013
разработка модели агорорегиона виапи 20131203 rep-viapi-rom-2013
- 1. РОССИЙСКАЯ АКАДЕМИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХНАУК ГОСУДАРСТВЕННОЕ НАУЧНОЕ УЧРЕЖДЕНИЕ ВСЕРОССИЙСКИЙ ИНСТИТУТ АГРАРНЫХ ПРОБЛЕМ И ИНФОРМАТИКИ имени А.А. НИКОНОВА (ГНУ ВИАПИ имени А.А. НИКОНОВА РОССЕЛЬХОЗАКАДЕМИИ) УДК № госрегистрации Инв.№ И131107164552 У Т В Е Р Ж Д А Ю Директор ВИАПИ, д.э.н. _____________ Сиптиц С.О. "______"_____________2013 г. ОТЧЁТ О НАУЧНО-ИССЛЕДОВАТЕЛЬСКОЙ РАБОТЕ по заданию 01.06.03 «Разработать методологию формирования эффективного сельскохозяйственного производства на территории Российской Федерации с учетом биоклиматического потенциала региональных агропродовольственных систем» на период 2011 – 2015 гг. по теме: РАЗРАБОТАТЬ ЭКОНОМИКО-МАТЕМАТИЧЕСКИЕ МОДЕЛИ ЭФФЕКТИВНОЙ ПРОИЗВОДСТВЕННОЙ СТРУКТУРЫ РЕГИОНАЛЬНЫХ АГРОПРОДОВОЛЬСТВЕННЫХ СИСТЕМ (промежуточный) Руководитель темы __________________ И.А.Романенко Москва 2013 г.
- 2. 2 РЕФЕРАТ Отчет содержит 66страниц основного текста, 3 рисунка, 12 таблиц, три приложения. ЭКОНОМИКО-МАТЕМАТИЧЕСКАЯ МОДЕЛЬ, РЕГИОНАЛЬНАЯ АГРОПРОДОВОЛЬСТВЕННАЯ СИСТЕМА, ОПТИМИЗАЦИЯ ПРОИЗВОДСТВЕННОЙ СТРУКТУРЫ Объектом исследования являются региональные агропродовольственные системы (АПС). Целью исследования является разработка базы данных для информационной поддержки экономико-математических моделей по определению эффективной производственной структуры АПС и вариантов размещения сельскохозяйственного производства на территориях Российской Федерации с учетом биоклиматического потенциала. Методология исследования заключается в системном подходе к разработке моделей эффективных АПС. Основные результаты: Разработана система экономико-математических моделей для проектирования эффективных АПС регионального уровня, включающая в себя оптимизационную модель для проектирования эффективной производственной структуры региональной АПС, эконометрические модели потребления основных видов продовольствия на региональном уровне, модель по оптимизации межрегиональных транспортных потоков. Проведена апробация разработанных моделей. Область применения: система моделей является основой для определения эффективных вариантов размещения сельскохозяйственного производства в соответствии с биоклиматическим потенциалом территорий. Рекомендуется для использования специалистами федеральных и региональных органов управления Минсельхоза России. Экономический эффект от разработки: применение инструментария при планировании мероприятий федеральных органов управления с целью рационализации бюджетных расходов позволит повысить темпы роста производства мяса в среднем в 1,08, молока – в 1,03 раза.
- 3. СПИСОК ИСПОЛНИТЕЛЕЙ Руковод.темы ___________Романенко И.А. (введение; разделы 1,2; зав.отд., д.э.н подпись, дата заключение) Гл. науч. сотр. ___________ Пошкус Б.И. (подраздел 2.1) академик, д.э.н. подпись, дата Вед. науч. сотр. ___________ Соболев О.С. (раздел 4, приложение В) к.э.н. подпись, дата Вед. научный сотр. ___________ Евдокимова Н.Е. (раздел 3, приложение Б) подпись, дата Научный сотр. ___________ Бородин И.К. (приложение А) подпись, дата Ведущий инженер-___________ Рыбакова Р.А. (приложение А, Б) программист подпись, дата Ведущий инженер- ___________ Костусяк В.М. (приложение А) программист подпись, дата Экономист ___________ Егорова О.Д. ( оформление отчёта) подпись, дата
- 4. 4 СОДЕРЖАНИЕ Введение ...................................................................................................................................................... 5 1Концептуальные основы моделирования эффективных агропродовольственных систем.............. 9 Алгоритм решения проблемы проектирования эффективного сельскохозяйственного производства с учетом БКП................................................................................................................. 12 Моделирование продукционных процессов в растениеводстве и животноводстве ...................... 16 2 Моделирование эффективной производственной структуры региональных агропродовольственных систем .............................................................................................................. 24 Постановка задачи оптимизации параметров региональной системы земледелия........................ 24 Апробация модели эффективной производственной структуры региональной АПС ................... 32 3 Модели потребления агропродовольственной продукции в регионах России................................ 51 Постановка задачи по определению конечного потребления агропродовольственной продукции ................................................................................................................................................................. 51 Апробация модели конечного потребления....................................................................................... 52 4 Модель оптимизации межрегиональных транспортных потоков..................................................... 61 Постановка задачи оптимизации межрегиональных транспортных потоков................................. 61 Апробация модели по оптимизации перевозок ................................................................................. 62 ЗАКЛЮЧЕНИЕ......................................................................................................................................... 64 Список литературы................................................................................................................................... 66 П Р И Л О Ж Е Н И Е А........................................................................................................................... 68 Оптимальная производственная структура растениеводства по регионам России............................ 68 П Р И Л О Ж Е Н И Е Б............................................................................................................................ 89 Прогнозы потребления основных продуктов питания по регионам России....................................... 89 П Р И Л О Ж Е Н И Е В ......................................................................................................................... 103 Оптимальный план межрегиональных перевозок зерна..................................................................... 103
- 5. 5 Введение Агроклиматические ресурсы Россиикрайне разнообразны. Агроклиматические ресурсы – свойства климата, обеспечивающие возможность ведения сельскохозяйственного производства. Эти свойства во многом определяют размещение растениеводческих отраслей. Физиологические требования культурных растений к гидротермическому и световому режиму, а также почвенному плодородию, с одной стороны, и распределение этих характеристик по территории Российской Федерации, с другой, дают основу для рационального размещения посевов сельскохозяйственных культур. Лучшее сочетание агроклиматических ресурсов сформировалось в Центрально-Черноземном, Северо-Кавказском и частично в Поволжском экономических районах. Здесь сумма температур вегетационного периода равна 2200-3400 C0 , что позволяет выращивать озимую пшеницу, кукурузу, рис, сахарную свеклу, подсолнечник, теплолюбивые овощи и фрукты. На основной территории страны преобладает сумма температур от 1000 до 2000 C0 , что по мировым меркам считается ниже уровня рентабельного земледелия. Это относится в первую очередь к Сибири и Дальнему Востоку: здесь сумма температур на большей части территории колеблется от 800 до 1500 C0 , что практически полностью исключает возможность возделывания сельскохозяй- ственных культур. Если изолиния сумм температур 2000 °С на европейской территории страны проходит по линии Смоленск – Москва – Нижний Новгород – Уфа, то в Западной Сибири она спускается южнее – до Кургана, Омска и Барнаула, а затем появляется только на юге Дальнего Востока, на небольшой территории Амурской области, Еврейской автономной области и Приморского края. Переход к рыночным отношениям не мог не сказаться на предпочтениях товаропроизводителя при выборе возделываемых культур, который находился под воздействием большого числа факторов политической, экономической и технологической природы, таких, как рентабельность производства разных видов продукции, возможности сбыта на внутреннем и внешнем рынках, иные, чем прежде
- 6. 6 потребности животноводства, отсутствиеусловий для воспроизводства парка сельхозтехники и пр. По этим же причинам происходила деформация севооборотов, которая, вместе с резким падением доз минеральных удобрений и органики, не могла не сказаться на показателях почвенного плодородия, выбытию части пашни из хозяйственного пользования. Эти изменения оказали серьезное влияние на формирование производственной структуры региональных АПС. Возврат к размещению растениеводческих отраслей, рационально использующих биоклиматический потенциал сельскохозяйственных земель, в настоящее время представляется естественным условием минимизации общественных затрат на производство продукции сельского хозяйства и рассматривается в качестве средства, формирующего специализированные зоны, устраняющего явления перепроизводства по отдельным товарным позициям, и, в конечном итоге, приводящего к росту доходов товаропроизводителя. В связи с этим актуальность проведения исследований по теме не вызывает сомнения. Среди основных результатов 2012 года можно выделить следующие: обоснованы методы, обеспечивающие возможность определения структурных характеристик эффективных АПС с учетом выбранных критериев, разработано средство программной поддержки для проведения оптимизационных расчетов, разработана база данных, содержащая информационный массив, объектами которого являются регионы России. Разделами базы данных являются: демография, уровень жизни населения, цены на продукцию 1-й сферы АПК, цены реализации сельскохозяйственных товаропроизводителей, цены на продовольствие, урожайность основных сельскохозяйственных культур и продуктивность животных, площади пашни и посевные площади основных сельскохозяйственных культур, ресурсный потенциал регионов, почвенно-климатические характеристики и нормативная информация регионального характера и др. Таким образом, признаковая часть массива базы данных содержит набор данных, достаточный для поддержки работы типовой экономико-математической модели для обоснования эффективной производственной структуры региональной агропродовольственной системы.
- 7. 7 Целью исследования являетсяразработка экономико-математических моделей для определения эффективной производственной структуры региональных агропродовольственных систем. В соответствии с целями исследования в плановый период предполагается решить следующие задачи: • Разработать модели продукционных процессов в растениеводстве и животноводстве, учитывающие изменение БКП территорий; • Построить функции потребления агропродовольственной продукции в регионах России (с замещением); • Разработать типовую экономико-математическую модель для определения оптимальной производственной структуры региональной АПС при реализации критериев экономической эффективности и устойчивости; • Разработать сценарии для проведения расчетов с помощью системы моделей, включая модели продукционных процессов, функции потребления и типовую модель для определения оптимальной производственной структуры региональных АПС; • Провести апробацию системы моделей для ряда регионов Европейской Территории России. Объектом исследования является производственная структура региональных АПС. Предметом исследования являются существующие методы и модели проектирования, эффективных в эколого-экономическом отношении, агропродоволтсвенных систем. Методологические основы исследования: понятийный аппарат, методы и модели В процессе выполнения данной работы были применены следующие методы: Моделирование продукционных процессов в сельском хозяйстве региона в зависимости от его биоклиматического потенциала, основных факторов производства, рыночных факторов;
- 8. 8 Методы оптимизации поразличным критериям для решения задачи специализации сельского хозяйства региона, исследование устойчивости решений; Методы имитационного моделирования и исследования чувствительности проектных решений по параметрам и входной информации. Информационная база: Данные Росстата, характеризующие состояние сельского хозяйства регионов, ценовая информация, нормативно-справочная информация, данные географической сети опытов по применению минеральных удобрений.
- 9. 9 1 Концептуальные основымоделирования эффективных агропродовольственных систем Эффективность функционирования региональных агропродовольственных систем (АПС) с нашей точки зрения определяется как уровень использования биоклиматического потенциала территории, на которой эта система расположена. Этот уровень зависит от сочетания многих факторов разнообразной природы: почвенно-климатических, агробиоценотических, агротехнологических, зоотехнических, организационно-хозяйственных, социально-экономических, демографических, аграрно-политических, а также факторов развития рыночной инфраструктуры. Практически каждый из перечисленных факторов может ограничивать показатели эффективности функционирования АПС, однако существует естественный порядок их воздействия на эффективность АПС, задающий последовательность лимитирования эффективности в направлении от производства растениеводческой продукции через стадии ее трансформации до получения хозяйственно-финансового результата. На рисунке 1 приведена схема, поясняющая структуру воздействия факторов на эффективность функционирования АПС.
- 10. 10 К о мп о н е н т ы к р и т е р и е в э ф ф е к т и в н о с т и Экономическая эффективность 1)Товарная продукция сельского хозяйства на 1 га земель с-х назначения. 2) Коэффициент товарности. 3)Рентабельность с-х. 3) Производство товарной продукции на 1 занятого в сельском хозяйстве. 4) Доходы от ЛПХ на 1 сельского жителя. Экологическая эффективность 1) Ресурсоемкость сельского хозяйства. 2) Коэффициент воспроизводства почвенного плодородия 3)Отношение аккумулированной в агроценозах ФАР к затратам энергии высокого качества 4) Изменение почвенного бонитета Социальная эффективность 1) Коэффициент воспроизводства сельского населения 2) Качество жизни сельского населения Рисунок 1 – Структура воздействия факторов на АПС
- 11. 11 При проектировании АПСрегионального уровня естественным образом возникают два класса задач. Первая задача состоит в нахождении вариантов эффективно функционирующих региональных АПС безотносительно ко времени их реализации. В результате ее решения будут оптимизированы следующие параметры: • Структура земель сельскохозяйственного назначения в регионе; • Структура площадей и сортовой состав культурных растений; • Баланс органического вещества почвенных разностей с выбором основных источников его пополнения; • Дозы минеральных удобрений под возделываемые культуры и культурные пастбища; • Оценки урожайностей сельскохозяйственных культур на пашне и продуктивностей, а также зоотехнических характеристик кормовых средств, получаемых с кормовых угодий; • Отраслевая структура животноводства, численность стад, обеспеченная кормовой базой региона; • Объемы и структура использования продукции растениеводства и животноводства с выделением товарной части и учетом межрегионального обмена; • Оценка потребностей в труде. В рамках второй задачи определяется программа развития региональной АПС из текущего состояния в найденные выше (в случае, если существует подмножество равно эффективных по выбранным критериям решений). Задача может решаться на максимум эффективности использования консолидированного бюджета господдержки АПС региона при ограничениях на динамику части критериальных показателей (требование монотонности, соответствующее представления об устойчивом развитии АПС). Основными критериями для оценки эффективности являются: • высокая экономическая эффективность; • экономическая устойчивость; • стабильное или возрастающее почвенное плодородие;
- 12. 12 • наименьшие трудозатратына единицу товарной продукции; • максимально возможное отношение аккумулированной солнечной энергии к антропогенной энергии высокого качества и т.п. Очевидно, что этот список можно продолжать и конкретизировать. Важно другое: проектирование АПС по своей сути представляет проблему многокритериальной оптимизации, в ходе которой отметаются заведомо неэффективные варианты, т.е. такие, которые можно улучшить сразу по всем критериям одновременно. Из теории многокритериальной оптимизации известно, что пересечение областей определения перечисленных критериев не должно быть пусто. Это условие можно выполнить при содержательном анализе проблемы проектирования АПС. Так, например, ясно, что денежная и энергетическая форма оценки эффективности вариантов АПС обладают максимальной универсальностью в том смысле, что вариация любого элемента АПС приведёт к изменению. Таким образом, существо эколого-экономического анализа при проектном анализе вариантов АПС заключается в отыскивании компромисса между энергетической и экономической эффективностью функционирования системы. Обеспечение устойчивости производственных характеристик АПС под воздействием погодных, биоценотических изменений, а также флуктуаций параметров экономической среды находится в общем случае в противоречии с ее энергетической и экономической эффективностью, т.к. реализация этого свойства требует дополнительных материальных и денежных затрат. Алгоритм решения проблемы проектирования эффективного сельскохозяйственного производства с учетом БКП Системный анализ АПС показывает, что переменных, определяющих ее структуру и организацию, может быть многие десятки, поэтому следует предложить возможные пути их нахождения. Ниже приводится алгоритм решения проблемы проектирования АПС, отвечающий сформулированным требованиям. К его отличительным особенностям можно отнести:
- 13. 13 • реализация принципамаксимального использования агроэкологического потенциала территории; • широкое использование разнообразных информационных технологий (СУБД, экспертные системы, экономико-математические модели и т.п.); Система моделей по определению эффективной производственной структуры сельского хозяйства имеет двухуровневую иерархическую структуру: уровень АПК России и уровень регионального АПК. Между ними находится связующий блок, позволяющий осуществлять переход с одного уровня на другой. Решение задачи происходит в несколько этапов, в связи с этим алгоритм решения проблемы проектирования эффективных региональных АПС с учетом биоклиматического потенциала территории выглядит следующим образом: На первом этапе определяются потенциально возможные объемы производства каждого вида сельскохозяйственной продукции в регионе при соблюдении критериев экономической эффективности и экологической безопасности. Для этого рассчитывается оптимальная производственная структура регионального АПК с использованием биоклиматического потенциала территории при соблюдении ограничения на устойчивое воспроизводство почвенного плодородия. Формирование на областном уровне рациональной производственной структуры аграрного сектора, обеспечивающей устойчивое ведение земледелия, возможно при использовании взаимосвязанной информации о биоклиматическом потенциале той или иной культуры в условиях изменяющегося климата, структуре посевных площадей, типах севооборотов и интенсивности применения удобрений, а также на основе знания закономерностей взаимосвязи между приемами возделывания сельскохозяйственных культур и изменениями запасов органического вещества в почве. На втором этапе определяются объемы потребления продукции сельского хозяйства региона по видам, обеспеченные конечным спросом населения региона и существующими в регионе производственными мощностями пищевой промышленности.
- 14. 14 На третьем этапепо каждому региону строятся продуктовые балансы по основным агропродовольственным рынкам, определяются невязки по каждому продукту для каждого региона. Положительное значение невязки характеризует способность региона к вывозу продукции. Отрицательное значение свидетельствует о неудовлетворенном спросе на продукцию данного вида. Суммарные невязки характеризуют объемы импорта и экспорта по каждому виду агропродовольственной продукции в целом по России. На четвертом этапе решается классическая задача размещения сельскохозяйственного производства на уровне АПК России, где критерием оптимальности выступает минимум затрат на производство в регионах и транспортировку между регионами всех видов произведенной и импортируемой агропродовольственной продукции.
- 15. 15 к Климат (прогнозы урожайностей) ВНИИСХМ) Цены наресурсы (модель Aglink-Cosimo) Цены реализации сельхозпродукции (модель Aglink-Cosimo) Цены на продовольствие (модель Aglink-Cosimo) Прогнозы МЭР: (численность и доходы населения) Параметры внешней среды Рисунок 2 – Система моделей по проектированию эффективных региональных АПС 4.Модель оптимизации межрегиональных обменов агропродовольствием 1.Модель оптимизации производственной структуры АПС региона 2. Модели потребительского спроса - Идентификация значений параметров моделей потребления на региональных рынках продовольствия -Прогноз душевого потребления основных продуктов питания в регионе БД «АПС РЕГИОН» 3. Балансовые модели региональных рынков продовольствия Значение ограничений по ресурсам: площадь, труд, технические средства, производствен ные мощности Объемы производства агропродоволь ственной продукции Объемы потребления агропродоволь ственной продукции
- 16. 16 Моделирование продукционных процессовв растениеводстве и животноводстве Моделирование продукционных процессов в растениеводстве Продукционные модели в растениеводстве – зависимости урожайностей сельскохозяйственных культур от определяющих их факторов. Область применения: Оценка хозяйственных результатов при различном сочетании факторов; Планирование применения минеральных удобрений; Экономическое обоснование целесообразного уровня продуктивности; Рациональное распределение ограниченных ресурсов (факторов производства) между с-х. культурами; Экономическое обоснование некоторых зоотехнических параметров (период откорма, энергонасыщенность кормов и пр.); Оценка производственных возможностей при различных вариантах размещения сельскохозяйственного производства; Примеры продукционных моделей в растениеводстве: Зависимость между средней урожайностью сельскохозяйственной культуры и дозами минеральных удобрений };*min{)( max YDkDY NPKNPK = (1) k- коэффициент агрономической эффективности, равный приросту урожайности от внесения 1 кг минеральных удобрений; )( NPKDY - средняя урожайность сельскохозяйственной культуры ц/га; NPKD - доза минеральных удобрений, кг/га в сбалансированной форме, приведенная к действующему веществу ( OKOPN 252 ,, ) max Y - действительно возможная урожайность, ц/га (урожайность, лимитированная только суммой приходящей на растительный покров фотосинтетически активной радиации и гидротермическими условиями места произрастания). Оценка величины ДВУ по методике программирования урожайности
- 17. 17 };min{max WTФАР YYY = q Q kYmФАР ∑ = η4 10 (2) W WT k PW Y )( 7,0 + = где: ФАРY - урожайность при стандартной влажности (ц/га); η - коэффициент использования ФАР (%); mk - доля хозяйственно ценных органов растения в общей биомассе; q - калорийность урожая (ккал/кг), ∑Q - сумма ФАР за период вегетации (ккал/см2 ) PW, - начальные влагозапасы и сумма осадков периода вегетации, мм, соответственно; Wk - биологический коэффициент испарения, мм*га/ц Пример использования продукционных моделей в растениеводстве (таблицы 1, 2): Оптимизация отраслевой структуры растениеводства ],1[,0, max))({ , max ,, 1 ,, 1 1 , miSD DD DSDS SS SzCDy iiNPK iNPKiNPK m i факт iNPK факт iiNPK m i i m i факт i m i i ii m i iiNPKi =∀≥ ≤ = ≤ ⇒− ∑∑ ∑∑ ∑ == = (3) где iS - посевная площадь i-ой культуры iC - цена реализации 1 ц i-ой культуры iZ - затраты на 1 ц i-ой культуры
- 18. 18 Таблица 1 –Допустимая структура посевных площадей и хозяйственно-финансовые результаты производителя Показатели Пшеница яровая Рожь озимая Овес Ячмень озимый Кукуруза на зерно Пшеница озимая Просо Тритикале яровая Рапс яров ой на семе на Картофель Овощи открытого грунта Посевная площадь, га 225 60 50 40 20 200 45 20 20 200 120 Доза удобрений, кг/га д.в. 75 45 40 40 120 60 30 30 70 220 260 Урожайность, ц/га 17,6 12,7 17,0 16,5 25,6 20,2 12,5 14,5 11,8 106,4 129,0 Валовой сбор, т 396,6 76,2 85,0 66,1 51,2 404,0 56,3 29,0 23,6 2128,0 1548,0 Цена реализации продукции, тыс.руб./т 5,0 7,7 4,2 4,4 8,0 5,0 7,0 4,0 6,0 12,0 15,0 Валовой доход, тыс. руб. 1982,8 586,7 357,0 290,8 409,6 2020,0 393,8 116,0 141,6 25536,0 23220,0 Удельные производственные затраты, тыс.руб./га 6,2 10,8 6,2 7,2 15,5 7,9 8,5 5,7 7,1 36,4 55,5 Производственные затраты, тыс.руб. 1389,4 648,3 308,0 286,4 309,6 1588,0 381,2 113,4 142,6 7276,0 6664,8 Чистый доход, млн. руб. 593,4 -61,6 49,0 4,4 100,0 432,0 12,6 2,6 -1,0 18260,0 16555,2 Посевная площадь 1000 га. Итого чистый доход 35,9 млн. руб. Затраты на минеральные удобрения 3,0 млн. руб. Цена приобретения минеральных удобрений 29 тыс. руб./т в действующем веществе.
- 19. 19 Таблица 2 –Оптимальная по чистому доходу структура посевных площадей и хозяйственно-финансовые результаты Посевная площадь та же: 1000 га. Итого чистый доход 52,6 млн. руб. Прирост чистого дохода 46% Затраты на минеральные удобрения 3,0 млн. руб. * - ресурс в виде 295,9 га посевной площади выделен под нерентабельный озимый ячмень, исходя из необходимости выполнения севооборотных ограничений Показатели Пшени ца яровая Рожь озим аи Овёс Ячмень озимый Кукуру за на зерно Пшени ца озимая Просо Тритика ле яровая Рапс яровой на семена Карто фель Овощи открыт ого грунта Посевная площадь, тыс.га 344,1 0,0 0,0 295,9 40,0 0,0 0,0 0,0 0,0 100,2 219,8 Доза удобрений, кг/га д.в. 90,6 0,0 51,9 450,0 441,9 Урожайность, ц/га 18,8 14,0 20,2 134,0 156,3 Валовой сбор, тыс.т 646,8 0,0 0,0 414,3 80,6 0,0 0,0 0,0 0,0 1343,3 3434,4 Цена реализации продукции, тыс.руб./т 5,0 4,4 8,0 6,0 12,0 15,0 Валовой доход, тыс. руб. 3234,0 0,0 0,0 1822,8 645,0 0,0 16120,1 51516,0 Удельные производственные затраты, тыс.руб./га 6,2 7,2 15,5 7,1 36,4 55,5 Производственные затраты, тыс. руб. 2124,8 0,0 0,0 2118,7 619,2 0,0 0,0 0,0 0,0 3647,1 12205,0 Чистый доход, тыс. руб. 1109,2 0,0 0,0 -295,9 * 25,8 0,0 0,0 0,0 0,0 12473,0 39311,0
- 20. 20 Регрессионные модели, отражающиесвязь между урожайностью и агрометеорологическими показателями: (приводится по книге: В.М.Ковалев Теория урожая, М.-2003г. 330 с.) 83,0 071,023,17,0066,06,46 2 9764 = −−−+= R PttPYзерн 9764 ,,,, PttPYзерн - урожайность зерновых в Алтайском крае, осадки апреля, среднемесячная температура июня, июля, осадки сентября. Сфера применения – в системе прогнозирования среднеобластной урожайности сельскохозяйственных культур. Пример 3. Комплексная модель продуктивности с-х культур i i Q ПYY ρ 7 1= = q rkbQ Y q Q ∑ − = )( rkbY qQ ,,, - потенциальная урожайность, лимитированная только суммой ФАР, сумма ФАР выше насыщения фотосинтеза, КПД использования ФАР, доля хозяйственно ценной биомассы в надземной биомассе; 7,1, =iiρ нормированные функции оптимальности температуры, увлажнения, возраста травостоя и числа укосов (для многолетних трав), минерального питания, кислотности почв, густоты посева. Сфера применения: решение задач размещения растениеводческих отраслей с учетом комплекса агроэкологических условий при оптимальном распределении земельных ресурсов, минеральных удобрений, средств химизации.
- 21. 21 Динамические модели продукционныхпроцессов Погодные характеристики t -го интервала времени: температура воздуха, осадки, бальность облачного покрова, относительная влажность воздуха Блок суточного прироста биомассы. Определение фотосинтеза, дыхания, суточного прироста биомассы Распределение суточного прироста биомассы по органам растения (листья, стебли,корни, репродуктивные органы) Блок фитометрических характеристик растения. Расчет прироста площадей фитоэлементов растения (листовой аппарат, стебли, поголощающая поверхность корневой системы) Блок роста биомасс органов растений и площадей их фитоэлементов Блок водного баланса корнеобитаемого слоя почвы. Расчет элементов водного баланса: транспирации, обмена с нижними слоями почвогрунта, поверхностного стока, учет осадков, поливов. Блок фенологического развития растений. Определение продолжительности фенофаз растений. Период вегетации завершен? Оценка урожайности получена Да Нет t=t+1 Рисунок 3 – Динамическая модель продукционного процесса сельскохозяйственной культуры Сфера применения: проектирование эффективных агропродовольственных систем, решение задач размещения с учетом погодно-климатических вариаций, оценка эффективности мелиоративных проектов.
- 22. 22 Моделирование продукционных процессовв животноводстве Продукционные модели в животноводстве – зависимости удоев молока, привесов массы тела сельскохозяйственных животных, яйценоскости сельскохозяйственной птицы, шерстной и иной продуктивности от биологических особенностей животных, качества и уровня кормления, зоотехнических факторов. В основе определения продуктивности животных лежит следующее предположение: продуктивность есть функция концентрации обменной энергии в рационе. Под обменной энергией понимается содержание кормовых единиц в рационе животного. Концентрация обменной энергии в рационе зависит от содержания сухого вещества в кормовых средствах. Для разных групп кормов значение данного показателя меняется. Каждое кормовое средство обладает своими характеристиками содержания обменной энергии и сухого вещества. Пример 1. Крупный рогатый скот на откорме. Динамическая модель роста массы тела (Н.Г. Григорьев Биологическая полноценность кормов М.: Агропромиздат, 1989г.). )()()1( tMtMtM ∆+=+ - уравнение динамики массы тела, кг )(3,0)(0188,028,6 )( )( tEtM tE tM ++ =∆ - суточный прирост массы, кг )()()((035,0)( 0 tEtSttE −= ρ - энергия суточного прироста, мдж; )(tρ - концентрация обменной энергии рациона, Мдж/кг с.в., )(0000181,0)(0249,0349,0)( 2 tMtMtS −+= - суточное потребление сухого вещества рациона, кг/гол, )(091,03,8)(0 tMtE += - суточная энергия поддержания, мдж.
- 23. 23 Оптимизация параметров откормаКРС Влияющие факторы: Постановочная масса; Обменность рациона; Цена единицы массы рациона кормления; Цена реализации мяса КРС.
- 24. 24 2 Моделирование эффективнойпроизводственной структуры региональных агропродовольственных систем Постановка задачи оптимизации параметров региональной системы земледелия В нашей постановке урожайность сельскохозяйственной культуры определяется следующим образом: эNPKa yDkyy ∆++= 01,00 , (4) где эa yky ∆,,0 - уровень урожайности данной культуры без применения минеральных удобрений, коэффициент агрономической эффективности, равный отношению прибавки урожайности на единицу прироста дозы удобрений, прибавка урожайности за счет применения элитного посевного материала, соответственно. Коэффициент агрономической эффективности связан с агроэкологическим потенциалом территории региона, по наши оценкам, следующим образом: 3,0* )(АПkk aa = , (5) где АПka ,* - параметр уравнения регрессии, зависящий от возделываемой культуры, и величина агроэкологического потенция региона соответственно. уб эS NPK факт NPKфакт y D D yy / 0 )3,01( ∆+−= , (6) где S NPK факт NPK DD , фактически применяемые дозы удобрений и фонд доступных элементов минерального питания в пахотном слое, прибавка от элитных семян без удобрений соответственно. Величина S NPKD определяется по формуле: ∑ = = 3 1k kk S NPK QD µη , (7) где η - коэффициент приведения содержания элементов минерального питания к пахотному слою 3≈η ; kQ - содержание легкогидролизуемого азота, подвижного фосфора и обменного калия при ]3,1[=k соответственно (кг/га);
- 25. 25 kµ - коэффициентыиспользования элементов минерального питания из почвы, доли. Урожайность определяется в результате решения задачи: }8,0;001,0max{ 001,0 0 0 фактфакт NPKNPK факт NPKNPK zDCzz DCzz −= += (8) где NPKC - цена покупки минеральных удобрений в данном регионе. При подстановке соотношений (4-8) в (9) получается нелинейная задача поиска экстремума с ограничениями, которая и решается для каждого региона. В регионе возделываются m сельскохозяйственных культур со средней урожайностью ],1[),/(, miгацyфакт i = . При этом засеваются площади ],1[),.(, miгатысSфакт i = , а производитель несет затраты в размере ],1[,/. miгарубтысzфакт i = . В соответствие с существующими агротехнологиями предусмотрено внесение минеральных удобрений под i –ю культуру в дозе ],1[,/, miгакгDфакт iNPK = . В предлагаемой постановке в результате решения задачи оптимизации отраслевой структуры требуется найти такие значения ],1[,,,, , miDzSy iNPKiii = , которые максимизируют чистый доход от производства растениеводческой продукции в данном регионе. Такое решение будем называть оптимальным по чистому доходу. При этом сумма посевных площадей оптимального решения не должна превышать фактические значения, а суммарный объем минеральных удобрений должен быть одинаковым для оптимального варианта и факта. Математическая запись такой задачи выглядит следующим образом: ],1[,0, max}))({ , max ,, 1 ,, 1 1 , miSD DD DSDS SS SzCDy iiNPK iNPKiNPK m i iNPK факт iiNPK m i i m i факт i m i i ii m i iiNPKi =∀≥ ≤ = ≤ ⇒− ∑∑ ∑∑ ∑ == = , (9) где iC - цена реализации товарной части сельскохозяйственной культуры.
- 26. 26 Последние две строчкиограничивают дозы применения удобрений максимально допустимыми величинами для данной культуры, а также требуют положительных (точнее неотрицательных) значений для искомых доз удобрений и посевных площадей. В результате получается эффективная производственная структура производства товарной продукции растениеводства и кормовой ее части. На следующем этапе предстоит определить те отрасли животноводства, которые наиболее эффективно могут использовать полученные кормовые ресурсы. Для этого требуется эффективно разделить имеющиеся кормовые ресурсы по отраслям животноводства. В поиск в этом случае предлагается поставить значения долей кормовых ресурсов по каждому виду отраслей животноводства. Решается задача распределения кормовых ресурсов по отраслям животноводства, что позволит определить поголовье того или иного вида животных, которое может быть эффективным на имеющейся кормовой базе. При этом кормовые ресурсы сгруппированы следующим образом: концентраты, сочные корма и грубые корма. Соотношения кормов определяется по каждой группе. Критерием является минимум затрат на корма при 100% использовании имеющейся кормовой базы. В результате решения задачи в данной постановке определяется численность поголовья и продуктивность каждого вида животных. Математическая запись задачи выглядит следующим образом: Показатель концентрация обменной энергии в рационе можно записать следующим образом: Σ βij vi s iŶi/ Σ βij wisi Ŷi- концентрация обменной энергии в рационе, где vi- содержание обменной энергии в единице массы i – го кормового средства; i∈[1,3] - концентрированные корма, сочные корма и грубые корма. При этом считается, что культуры сплошного сева поставляют в животноводство концентраты, многолетние травы, зеленые корма - грубые корма в заданной структуре, пропашные - сочные корма. wi- то же, сухого вещества.
- 27. 27 Ŷi – урожайностьклассообразующей сельскохозяйственной культуры по производству i – го кормового средства; s i – посевная площадь, занятая сельскохозяйственными культурами данного класса s iŶi - объем производства i – го кормового средства; βij - доля i-го вида кормов, используемая для производства продукции животноводства j-го вида i∈[1,3] j∈J – множество видов продукции животноводства Молочная продуктивность определяется следующим образом: Определяется суточный удой коровы как функция концентрации обменной энергии корма и средней живой массы: U= F{(Σ βij vi s iŶi/ Σ βij wisi Ŷi),Mср.}, i∈[1,3], (10) U – суточный удой коровы со средней массой Mср. Затем суточный удой умножается на период лактации l в среднем за год. Uгод = U* l (11) На следующем шаге определяется годовая потребность одной коровы в обменной энергии, исходя из нормативов на рассчитанный среднегодовой удой и поголовье коров (Nкоров). Mol = Nкоров * Uгод, где (12) Mol - производство молока, тонн Используя структурный коэффициент и коэффициент перевода поголовья в среднегодовое, определяем поголовье КРС, которое может содержаться на заданном объеме кормов. Структурный коэффициент является функцией доли коров в стаде и может меняться в зависимости от воспроизводственной структуры стада. Nj=F (α, Nкоров) (13) α - доля коров в стаде, Мj - производство мяса определяется, исходя из норматива (nj) выхода мяса на 1 структурную голову КРС: Мj = nj * Nj, j=1 (14)
- 28. 28 Среднегодовое поголовье свинейи птицы определяется, исходя из норматива расхода обменной энергии на одну структурную голову и общего количества обменной энергии, доступной для производства данного вида продукции животноводства. N(j)=F (Q(j), Σ βijvi s iŶi ) (15) Q(j) - потребность к.ед. на структурную голову свиней или птицы, j=2,3 Производство мяса для этих видов деятельности определяется также с использованием нормативного подхода (имеется в виду норматив выхода мяса на одну структурную голову): Мj= nj * Nj, (16) j=2,3 1) Модель производственных затрат по возделыванию i - й классообразующей культуры: Zi= Zi(Ŷi, H, Nу,Pу,Kу,Li(Ŷi),Ri(Hi, Ŷi), С), i∈[1,3], (17) где Zi - производственные затраты, тыс.руб/га Ŷi – средняя урожайность по i – й группе кормов. Nу,Pу,Kу - дозы вносимых удобрений в физической массе, Li(Ŷi)- зависимость затрат труда от урожайности, Ri(Hi(τ), Ŷi) - зависимость затрат ГСМ от урожайности и доз вносимой органики, С- вектор, компоненты которого- цены на расходуемые ресурсы и ставки заработной платы в растениеводстве и животноводстве. Z= Σ Zi*s i - затраты на корма всего, тыс. руб. i 2) Модель затрат на корма в животноводстве: Zj =Σ(βij Zisi ), i (18) где Zj –затраты на корма для j-го вида животных, Z = Σ Zj, затраты на корма всего, тыс. руб. j j∈J – множество видов продукции животноводства
- 29. 29 3) Стоимость реализованнойпродукции животноводства (валовой доход животноводства) R= Σ rj*Mj + rmol*Mol*d , где (19) j rj – цена реализации 1т мяса для j-го вида животных; rmol - цена реализации 1т молока, d – коэффициент товарности молока Критерий оптимальности R / Z ⇒⇒⇒⇒ max (20) - означает, что окупаемость затрат на корма должна быть максимальной, что гарантирует максимальный уровень использования биоклиматического потенциала территории. Переменные βij - доля i-го вида кормов, используемая для производства продукции животноводства j-го вида. Ограничения: βij≥ 0 – неотрицательность переменных ∑ βij=1, j (21) Данное ограничение обеспечивает использование всей доступной кормовой базы и распределение каждого i-го вида корма среди всех видов животных, другими словами - все корма должны быть распределены на 100%. kij(min) ≤ (βijsiŶi ) / Nj ≤ kij(max), (22) где kij – ограничения на содержание i-го вида корма в рационе j-го вида животных. Далее подробно представлен алгоритм решения задачи по определению эффективной производственной структуры региональных агропродовольственных систем.
- 30. 30 АЛГОРИТМ РЕШЕНИЯ ЗАДАЧИПО ОПРЕДЕЛЕНИЮ ЭФФЕКТИВНОЙ ПРОИЗВОДСТВЕННОЙ СТРУКТУРЫ РЕГИОНАЛЬНЫХ АПС Ступени алгоритма Результат Формирование списка с/х культур на основе фильтрации сведений о свойствах культур и их сортов из БД «Список сортов сельскохозяйственных культур» Адаптированный к условиям произрастания набор с/х культур Формирование ограничений по посевным площадям, пашне, кормовым угодьям из БД «БАЗА ДАННЫХ АПС-Регион» Региональные ограничения типа «≤» по посевным площадям, пашне, кормовым угодьям Расчет показателей агропотенциала региона на основе данных о температуре, увлажнении и др. климатических характеристик региона Значение АП (агропотенциала) для каждого региона Решение задачи оценки параметров для модели урожайности с/х культур в зависимости от агропотенциала территории, уровня обеспеченности минеральными элементами в почве, сортовой добавки Региональные зависимости для всех сельскохозяйственных культур «урожайность» – «мин. удобрения, агропотенциал» при разной степени обеспеченности и оптимальном сочетании элементов минерального питания Решение задачи оптимального сочетания источников органического вещества и воспроизводства почвенного плодородия на севооборотном массиве Балансировка гумуса, NPK. Нахождение эколого-экономически обоснованных уровней урожайности Выбор системы минеральных удобрений с учётом экологических ограничений Наборы видов мин. удобрений Построение функций себестоимости продукции растениеводства в зависимости от урожайности, цен на ресурсы Функции себестоимости единицы продукции Оценка ценовой ситуации на рынках агропродовольственной продукции в зависимости от сценария Цена единицы продукции растениеводства Решение задачи оптимизации отраслевой структуры растениеводства по нескольким критериям: максимум рентабельности при сохранении существующего уровня урожайности (business as usial), максимум рентабельности при изменении урожайности за счет интенсивных факторов (business as usial подход), максимум прибыли и неотрицательный баланс гумуса при изменении урожайности Набор видов деятельности растениеводства, оптимизирующий вектор экономических и экологических критериев в зависимости от сценария : • (инерционный) business as usial; • оптимальный экономический; • адаптированный к климатическим изменениям;
- 31. 31 Ступени алгоритма Результат засчет факторов климатических (на основе эколого-экономического подхода) Каждый вид деятельности характеризуется площадью, урожайностью, валовым производством товарных и кормовых культур Определение объемов производства кормов по видам : грубые, сочные, концентрированные Общий объем доступных в регионе кормовых единиц и переваримого протеина Определение затрат на производство кормовой единицы Цена одной кормовой единицы в каждой группе кормов Оптимизация отраслевой структуры животноводства на эколого-экономической основе Сочетание отраслей животноводства, максимально эффективно использующее доступную кормовую базу региона Определение структуры стад с/х животных и уровней их продуктивности Половозрастная структура стад; оптимальные с эколого-экономических позиций уровни продуктивности и др. зоотехнические параметры Расчет рационов кормления, кормовой баланс, уточнение объемов закупаемых кормов Физиологически обоснованные рационы, экономически обусловленные объемы закупаемых кормов Расчет денежно-материальных и энергозатрат по текущему варианту; оценка собственных потребностей Критериальные оценки эколого- экономической эффективности текущего варианта Анализ варианта. Корректировка условно- постоянной информации для решения задачи оптимизации отраслевой структуры. При необходимости повторение процедуры проектирования Подготовка выходных данных по текущему варианту. Уточнение нормативной базы Для реализации различных сценариев математическая запись задачи требует корректировки. Рассмотрим постановку задачи для анализа сценариев с учетом климатических изменений в долгосрочной перспективе
- 32. 32 Апробация модели эффективнойпроизводственной структуры региональной АПС Рассмотрим постановку задачи по определению эффективной эколого- экономической производственной структуры сельского хозяйства, адаптированной к климатическим изменениям. Рабочая гипотеза при описании экономических последствий изменения параметров региональной системы земледелия в связи с возможными климатическими изменениями выглядит следующим образом: Изменения параметров системы земледелия влекут за собой адекватные изменения только в отраслях по производству растениеводческой продукции и молочно-мясном скотоводстве; все прочие изменения считаются малыми (цены на ресурсы, кормовые средства, товарную продукцию, ставки заработной платы, региональные налоги и прочие отрасли животноводства, кроме молочно-мясного скотоводства, пищевая промышленность, торговля и т.п.). Ниже представлены хорошо известные причинно-следственные отношения, определяющие облик региональной системы земледелия (схема 1). П р и ч и н н о - с л е д с т в е н н а я с х е м а , о п р е д е л я ю щ а я о б л и к р е г и о н а л ь н о й с и с т е м ы з е м л е д е л и я { к л и м а т и ч е с к и е и з м е н е н и я } { и з м е н е н и я а г р о м е т е о р о л о г и ч е с к и х у с л о в и й в о з д е л ы в а н и я к у л ь т у р н ы х р а с т е н и й } { и з м е н е н и я с т р у к т у р ы р е г и о н а л ь н о й с и с т е м ы з е м л е д е л и я к а к а д а п т а ц и я х о з я й с т в у ю щ и х с у б ъ е к т о в } { и з м е н е н и е д и н а м и к и г у м у с о о б р а з о в а н и я н а п а ш н е } Схема 1 – Причинно-следственные отношения в региональной системе земледелия Как известно, критерии эффективности рыночной экономики, стремящейся к максимизации чистого результата или прибыли в сельском хозяйстве, не всегда согласуются с критериями устойчивого ведения хозяйства и улучшения
- 33. 33 экологической ситуации врегионе. Процессы интенсификации производства в сельском хозяйстве, влекущие за собой структурные изменения в региональных агроэкосистемах, в наибольшей степени влияют на воспроизводство почвенного плодородия. Оценка последствий структурных изменений, происходящих в естественных и сельскохозяйственных экосистемах, усложняется еще и тем, что требует учета такого существенного фактора как изменение климата. Таким образом, разработка методики такой оценки требует проведения междисциплинарных исследований в области сельскохозяйственной метеорологии, почвоведения, агрохимии и экономики. Предполагается, что региональная система земледелия эффективна в эколого- экономическом отношении в том случае, если она в течение неопределенного периода времени обеспечивает, по крайней мере, простое воспроизводство органического вещества почвенного слоя, сочетающееся с максимизацией массы прибыли от сельскохозяйственной деятельности при условии, что дозы подвижных форм минеральных удобрений находятся в допустимом по экологическим соображениям диапазоне. Зависимость прироста содержания гумуса определялась в результате статистической обработки данных многолетних опытов географической сети Всероссийского института удобрений и агрохимии (ВИУА)1 : ∆G = F(структура севооборотного массива региона; дозы минерального и органического азота; значения почвенно-климатических факторов, определяющих ход процессов гумусообразования; числовые параметры зависимости прироста гумуса от упомянутых факторов). Источниками информации о динамике углерода при возделывании земель являются длительные полевые опыты, дающие возможность сравнения медленно протекающих процессов изменения запасов ОВ в конкретных климатических условиях при данной системе земледелия (Campbell et al., 1999). Другую возможность предоставляют проверенные и откалиброванные динамические модели 1 Сиротенко О.Д., Шевцова Л.К., Володарская И.В. «Моделирование влияния климатических и агротехнических факторов на динамику органического углерода пахотных почв».
- 34. 34 трансформации С почвы.Внедрение технологий устойчивого земледелия предполагает широкое использование данных полевых экспериментов и моделей описания динамики ОВ. База данных для моделирования должна включать информацию о климатических, почвенных и сельскохозяйственных ресурсах. Зависимость урожайности классообразующих культур от климатических условий, содержания гумуса, доступных форм N,P,K в почвенном слое: Yi(τ) = Yi bas +∆ Yi, i∈[1,3] (23) где Yi(τ) - вектор урожайности классообразующих культур в году τ; классами культур являются: культуры сплошного сева, многолетние травы, пропашные, поэтому каждый регион должен быть представлен только тремя культурами, являющимися классообразующими. Yibas - усредненные за период с 2009 по 2011гг. значения урожайности классообразующих культур региона, заданные в виде констант. Получение оценок урожайности классообразующих культур связано с агрегированием исходной статистической информации. Для этого предлагается следующий порядок действий: Суммировать посевные площади всех культур, входящих в соответствующий класс; Определить ведущую культуру данного класса (например, картофель или сахарную свеклу в классе пропашных, пшеницу или ячмень для культур сплошного сева и т.п.); Считая, что вся площадь класса занята ведущей культурой, выбрать для нее все необходимые статистические характеристики (урожайность потенциально возможная и действительно наблюдаемая, цены реализации продукции данного вида и т.п.); Произвести калькуляцию себестоимости производства данной культуры в регионе;
- 35. 35 ∆Yi – дельтаобразованная в результате оценки влияния климатических изменений на урожайность классообразующей культуры по модели Климат-Почва- Урожай О.Д.Сиротенко. Как уже говорилось, в данной постановке значения урожайностей по видам культур определяются как сумма прироста (уменьшения), обеспеченного климатической составляющей на заданном интервале времени, и средних значений за период с 2000 по 2010гг. и являются внешней информацией. Прирост урожайностей изменяется не только в зависимости от климатического сценария, но и от способа хозяйствования. Здесь рассматриваются два способа хозяйствования: первый обеспечивает оптимальное минеральное питание растений, второй – рассматривает способ хозяйствования без применения минеральных удобрений. В результате каждому климатическому сценарию соответствует 2 урожайности, значение одной попадает в оптимальный или, так называемый, либеральный экономический сценарий и сценарий эколого-экономически эффективный, второе значение попадает в сценарий устойчивого землепользования. Таким образом, постановка задачи оценки параметров региональных систем земледелия эффективных в эколого-экономическом отношении выглядит следующим образом: система земледелия является составной частью системы ведения сельского хозяйства в регионе; на состояние системы земледелия, таким образом, могут оказывать существенное влияние факторы, которые в традиционном понимании не входят в ее состав, так в качестве значимых для процессов воспроизводства органического вещества рассматривается ряд факторов зоотехнической природы. Рассмотрим математическое описание задачи оптимизации параметров региональной системы земледелия. Критерий оптимальности: Требуется максимизировать прибыль, получаемую в результате реализации товарной продукции растениеводства, молока и мяса КРС, производимой региональной системой земледелия:
- 36. 36 ( ) () ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ){ } ( ) ( ) ( ) ( ) ( ) ( ) ( ){ } ∑ Ζ∑Τ = = Μ = ΚΡΝΜΑΧ → ∑−Ζ−Μ+Ν+Υ−Ω =Π 1 1 3 1 ,,,,,, 1 τ ταδττττ τττττττταττττδ iyyyi i i n i мясмолSinpi i ii S SCCUCs (24) T - период времени, на котором рассматривается прогнозный сценарий. Спр(τ), Смол(τ), Смяс(τ) - цены реализации продукции растениеводства, молока и мяса КРС, соответственно в году τ. τ=1÷ T; (25) В данной постановке региональные цены производителей товарной продукции сельского хозяйства определяются как произведение средних прогнозных цен производителя по России на ценовой индекс региональных отклонений: Cq µ (τ)=Iq µ * Cq (τ), (26) где Cq µ (τ)- цена производителей товарной продукции q-го вида в µ-м регионе, Iq µ - ценовой индекс региональных отклонений продукции q-го вида в µ-м регионе, Cq (τ) – средняя прогнозная цена производителя продукции q-го вида в целом по России, полученная при решении задачи частичного равновесия на мировых рынках агропродовольственной продукции с помощью международной системы моделей Aglink, Zi(τ) - производственные затраты по возделыванию i - й классообразующей культуры на 1 га посева, тыс.руб/га, Zм(τ) - производственные затраты в молочном животноводстве, тыс.руб/гол./год. Производственные затраты в растениеводстве и животноводстве определяются следующим образом: 1) Модель производственных затрат по возделыванию i - й классообразующей культуры: Zi(τ) = Zi(Yi(τ), H(τ), Nу(τ),Pу(τ),Kу(τ),Li(Yi(τ)),Ri(Hi(τ),Yi(τ)), С(τ)), i∈[1,3], (27) где Zi(τ) - производственные затраты, тыс.руб/га Nу(τ),Pу(τ),Kу(τ) - дозы вносимых удобрений в физической массе, Li(Yi(τ))- зависимость затрат труда от урожайности,
- 37. 37 Ri(Hi(τ),Yi(τ)) - зависимостьзатрат ГСМ от урожайности и доз вносимой органики, С(τ) - вектор, компоненты которого- цены на расходуемые ресурсы и ставки заработной платы в растениеводстве и животноводстве. 2) Модель производственных затрат в молочном скотоводстве: Zм(τ) = Zм({Σδi Zi(τ)/ Σδisi(τ)Yi(τ)},α(τ), L(U(τ)), R(U (τ)),М(α(τ)),С (τ)) , (28) U(τ) = U(Σδivi s i(τ)Yi(τ)/ Σδiwisi (τ)Yi(τ)), i∈[1,3] (29) М(τ) = (α(τ)) (30) где Zм(τ) - производственные затраты в молочном животноводстве, тыс.руб/гол./год, δi- доля валового сбора возделываемых культур, используемая как кормовое средство, si- доля севооборотной площади занятой i – й культурой, используемой в качестве кормового средства, α(τ) - доля коров в стаде, L(U(τ)) - затраты труда как функция удоя молока, U(τ) - удой молока, Σδivi s i(τ)Yi(τ)/ Σδiwisi (τ)Yi(τ)- концентрация обменной энергии в рационе коров, vi - содержание обменной энергии в единице массы i-й культуры, используемой в качестве кормового средства; при этом считается, что культуры сплошного сева поставляют в молочное животноводство концентраты, многолетние травы - зеленые корма и грубые корма в заданной структуре, пропашные - сочные корма, wi- то же, сухого вещества, М(τ) - производство мяса в расчете на голову стада КРС, Н(τ) = h({Ω/ Ns(τ)} Σδiwisi (τ)Yi(τ)) - зависимость производства навоза КРС, т/гол/год от содержания сухого вещества в рационе, обеспеченности поголовья КРС земельными ресурсами, Ns(τ) - поголовье КРС в регионе, Ω - площадь земель сельскохозяйственного назначения (пашня+луга+пастбища+сенокосы),
- 38. 38 Максимизация осуществляется вобласти, задаваемой следующими ограничениями: ∆G(S, H,N,γ)= ∆н , (31) ∆н - заданный темп изменения гумуса, P(τ+1) = P(τ) +∆Pост(τ)+ ∆Pоргудобр(τ)+ ∆Pминудобр(τ) - ∆Pурож(τ) (32) К(τ+1) = К(τ) +∆Кост(τ)+ ∆Коргудобр(τ)+ ∆Кминудобр(τ) - ∆Курож(τ) (33) Nу(τ)≤ Nmax у,Kу(τ) ≤ Kmax у (34) 0≤α(τ) ≤0,672 (35) δivi si(τ)Yi(τ)Є [vimin,vimax], i Є[1,3], (36) 3 Σsi(τ) = 1 (37) i=1 0≤si(τ) ≤ si max, (38) si max - севооборотные ограничения на структуру площадей, Nmax у, Kmax у - предельно допустимые дозы применения азотных и калийных удобрений, ограниченные исходя из требований защиты качества подземных вод, vimin,vimax - зоотехнические ограничения на структуру кормового рациона КРС, Таким образом, в качестве решения, то есть параметров системы земледелия, эффективной в эколого-экономическом отношении, определяются: Структура севооборотного массива региона по классам культур – культуры сплошного сева, пропашные, многолетние травы; Плотность стада КРС на 1 га севооборотной площади, доля коров в стаде; Выход продукции скотоводства на 1 га севооборотной площади; Затраты, обеспечивающие данный выход продукции растениеводства и скотоводства с 1 га севооборотной площади. Информационное обеспечение модели для расчета параметров региональных систем земледелия, эффективных в эколого-экономическом отношении, состоит из следующих видов: 1. Переменная информация, задаваемая на интервале проведения имитационных расчетов. 2 Собственное воспроизводство поголовья стада КРС невозможно при α(τ)>0,67
- 39. 39 В зависимости отусловий сценария, эти данные могут относиться как к предыстории, так и к будущему периоду времени и содержать как характеристики внешнего экономического окружения, так и, собственно, искомой системы земледелия. К таким характеристикам относятся: Структура севооборотного массива; Дозы органических удобрений; Дозы минеральных удобрений; Потенциально возможные урожайности классообразующих культур; Действительно полученные урожайности классообразующих культур; Цены на минеральные удобрения в расчете на действующее вещество; Себестоимость производства навоза; Цены на ГСМ; Ставки заработной платы в растениеводческих отраслях и молочном скотоводстве. 2. Условно-постоянная информация представлена следующими показателями: Индекс механического состава почвогрунтов региона; Начальное содержание гумуса в почвенном слое в %; Почвенно-климатический потенциал урожайности (для каждой культуры данного региона); Коэффициенты выноса растениями NPK, коэффициенты трансформации PK удобрений в почвенные запасы, содержание NPK в органических и минеральных удобрениях, корнепожнивных остатках; Нормативы затрат ресурсов на производство единицы продукции (а также на 1 га и 1 усл. голову скота) в растениеводстве и молочном скотоводстве; Содержание обменной энергии и сухого вещества в единице массы i го кормового средства; Зоотехнические ограничения на структуру рациона; Ограничения на структуру севооборота региона; Предельно допустимые дозы применения азотных и калийных удобрений, ограниченные исходя из требований защиты качества подземных вод.
- 40. 40 Наиболее полная информацияо наблюдаемых и ожидаемых изменениях климатических условий России и последствиях этих изменений представлена в оценочном докладе Росгидромета, опубликованном в 2008г.3 ,4 ,5 Для оценки возможных изменений климата МГЭИК разработала долгосрочные сценарии эмиссии парниковых газов в атмосферу в XXI веке из 40 возможных сценариев выделяются 6 основных 3 сценария A1 (A1FI, A1T, A1B, а также А2, В1 и В2). Сценарии А1 описывают будущее мира, характеризующегося быстрым экономическим ростом и увеличением населения Земли, показатели которого достигают пиковых значений в середине XXI века с последующим уменьшением. Сценарии А1 разделяются на три группы по типам энергетики: значительная доля ископаемых видов топлива (A1FI), альтернативные источники энергии (A1T) и равновесия между всеми источниками (А1В). По сценарию A1FI к 2100г. концентрация основных парниковых газов увеличится по сравнению с 1990г.: СО2 в 2,03, СН4 в 1,16 и N2O в 1,21 раза. По сценарию А2 развитие мира проходит при сохранении местной самобытности и опоры на собственные ресурсы, а также при постоянном росте общей численности населения в мире. В результате такого развития ожидается значительный рост концентрации парниковых газов, которые повысятся по сравнению с 1990г. в 2,42 раза для СО2 и в 2,19 и 1,45 раза для, СН4 и N2O соответственно. Сценарное семейство В1 содержит описание мира с таким же как в А1 глобальным населением, достигающим максимума к середине XXI века, однако при быстрых изменениях в экономике, связанных с внедрением чистых и ресурсосберегающих технологий, достижением социальной и экологической устойчивости. К 2100г. концентрации СО2 и N2O в атмосфере увеличатся по 3 Оценочный доклад об изменениях климата и их последствиях на территории Российской Федерации Том 1. Изменения климата. Москва, 2008 4 Оценочный доклад об изменениях климата и их последствиях на территории Российской Федерации Том 2. Последствия изменений климата. Москва, 2008 5 Мохов И.И., Демченко П.Ф., Елисеев А.В., Хон В.Ч., Хворостьянов Д.В. 2002. Оценки глобальных и региональных изменений климата в XIX-XXI веках на основе модели ИФА РАН с учетом антропогенных воздействий, Известия РАН. Физика атмосферы и океана, т.38, № 5
- 41. 41 сравнению с 1990г.в 1,53 и 1,22 раза соответственно, а концентрация СН4 уменьшится на 6 %. До середины XXI столетия различия между сценариями невелики, во всяком случае, в средних глобальных оценках изменения климата, но к концу столетия ожидаются значительные различия между ними с более сильным потеплением в случае реализации сценария А2 (таблица 3). Таблица 3 – Средние за год изменения температуры приземного воздуха (°С) и межмодельные стандартные отклонения, рассчитанные по ансамблю моделей общей циркуляции атмосферы для территории России в ХXI веке для сценариев А1В и А2, и В1 Сценарий 2011-2030 гг. 2041-2060 гг. 2080-2099 гг. А1В 1,2±0,6 3,0±0,7 4,7±1,2 А2 1,1±0,5 2,6±0,7 5,6±1,2 В1 1,2±0,4 2,0±0,6 2,9±0,9 Различия средних для территории РФ величин потепления между «жестким» (А2) и «мягким» (В1) сценариями к концу XXI века значительны – достигают 2,7º С. В таблице 4 представлена рассчитанная нами динамика возможных изменений урожайности зерновых и кормовых культур до 2050г. A1FI и В2, рассчитанных по модели глобальной циркуляции атмосферы метеослужбы Великобритании HadCM3. Из этих данных следует, что до середины текущего столетия различия в сценариях выбросов парниковых газов не окажут существенного влияния на реакцию сельского хозяйства. Для 2050г. межсценарная разность изменений урожайности не превышает 1% для зерновых и 0,7 % для кормовых культур. Основная причина неопределенности прогнозов изменений климата до 2050г. – расхождения расчетов, выполненных по отдельным МОЦАО, которые по разному описывают многие важные прямые и обратные связи в климатической системе Земли. Для уменьшения неопределенности, связанной с несовершенством МОЦАО, предлагается использовать многомодельный подход.
- 42. 42 Таблица 4 –Возможная динамика урожайности сельскохозяйственных культур (в %) в первую половину XXI века при реализации сценариев A1FI /HadCM3 и В2 /HadCM3 Зерновые культуры Кормовые культуры Годы 2020 2030 2040 2050 2020 2030 2040 2050 Регион Сценарий A1FI /HadCM3 Северный 7,1 6,6 6,3 9,1 6,0 14,5 18,4 17,9 Сев.-Западный 7,9 8,2 10,5 9,2 13,3 17,4 21,6 22,9 Центральный -0,8 0,2 -1,3 -6,7 3,4 5,0 4,6 -0,7 Волго-Вятский -6,8 -5,2 -8,2 -13,0 2,8 4,1 3,2 -0,9 Центр.-Черноземный -14,1 -19,1 -26,9 -34,0 -7,5 -12,4 -19,3 -24,9 Поволжье, север -13,3 -13,9 -27,4 -40,0 -2,6 -4,1 -9,6 -22,9 Поволжье, юг -1,3 2,2 1,0 3,1 -8,7 -9,0 -11,5 -12,5 Северо-Кавказский -23,8 -26,4 -25,9 -19,0 -14,4 -17,1 -21,3 -24,9 Уральский -15,9 -19,0 -26,4 -32,0 -0,4 0,5 -1,5 -10,1 ЕТР -8,6 -9,3 -13,2 -17,0 -1,0 -0,4 -2,1 -7,4 Сценарий В2/HadCM3 Северный 3,6 3,6 2,1 4,5 5,0 11,0 12,1 11,9 Сев.-Западный 4,1 2,6 3,1 6,0 11,9 13,2 15,3 16,4 Центральный -1,8 -3,8 -4,8 -4,8 2,1 0,8 1,2 0,0 Волго-Вятский -9,4 -10,0 -11,4 -11,0 -0,9 -1,5 -1,3 -0,6 Центр.-Черноземный -13,8 -20,4 -24,4 -28,0 -11,2 -16,0 -20,4 -24,0 Поволжье, север -12,4 -17,6 -26,4 -33,0 -4,9 -8,4 -10,9 -15,0 Поволжье, юг -1,4 -2,3 -3,1 0,2 -10,2 -14,1 -14,1 -14,0 Северо-Кавказский -24,8 -28,1 -27,3 -26,0 -16,9 -20,6 -23,2 -26,8 Уральский -17,9 -22,0 -26,2 -31,0 -2,6 -4,4 -4,9 -6,3 ЕТР -10,0 -12,8 -15,2 -16,0 -3,2 -4,9 -5,4 -6,7 Специальные исследования показали, что среди МОЦАО, разработанных известными группами исследователей (таких моделей более двух десятков) нельзя выделить одну «наилучшую» модель. Поэтому для расчета проекций изменений климата предлагается использовать комплекс МОЦАО, прошедших определенные предварительные испытания, полагая рассчитанные по ним сценарии изменений климата равноценными или осредняя их с заданными весовыми коэффициентами. В Оценочном докладе6 представлены также многомодельные сценарии, рассчитанные по 16 МОЦАО. Это изменения сезонных 6 Оценочный доклад об изменениях климата и их последствиях на территории Российской федерации Том 1. Изменения климата. Москва, 2008
- 43. 43 значений температуры иосадков для зимы и лета по федеральным округам РФ на периоды 2011-2030гг. и 2041-2060гг.7 ,8 Для оценок влияния изменений климата на сельское хозяйство необходимы сценарии, по крайней мере, с месячным осреднением и с детализацией по субъектам РФ. Отсутствие опубликованных достаточно обоснованных и детализированных многомодельных сценариев для территории России заставляет использовать «двухсценарный» подход. Расчеты проводятся для «аридного» и «гумидного» сценариев потепления климата, которые определяют реакцию сельского хозяйства для плохого (аридного) и хорошего (гумидного) варианта потепления климата РФ. Для оценки последствий неблагоприятного для сельского хозяйства потепления климата используется сценарий МОЦАО HadCM3 (Англия), а для благоприятного – сценарий GFDL (США). Результаты расчетов по пессимистическому (аридному) и по оптимистическому (гумидному) сценариям потепления климата представлены в таблице 4 и таблице 5 соответственно. Отметим совпадение по знаку прогнозов урожайности для нечерноземной зоны европейской части России, а также значительное расхождение оценок ожидаемых изменений урожайности для Приволжского и Уральского федеральных округов. 7 Школьник И.М., Мелешко В.П., Гаврилина В.М. 2005. Валидация региональной климатической модели ГГО, Метеорология и гидрология, №1 8 Школьник И.М., Мелешко В.П., Катцов В.М., 2007. Региональная климатическая модель ГГО для территории Сибири, Метеорология и гидрология, №6
- 44. 44 Таблица 5 –Изменения урожайности зерновых культур и кормовых трав (ц/га) при потеплении по сценарию GFDL к 2030 и 2060 гг. Климатообусловленные изменения урожайности Регион Зерновые культуры Кормовые травы 2030-2040 2060-2070 2030-2040 2060-2070 Центральный ФО 3,2 3,0 10,9 14,0 Южный ФО -0,8 -0,6 1,2 1,7 Приволжский ФО 1.8 2,6 9,8 14,3 Уральский ФО 0,6 0,9 3,9 14,9 Сибирский ФО -1,2 -1,2 1,9 6,6 Дальневосточный ФО 1,1 1,4 2,6 6,3 Экспертная оценка вероятности реализации используемых сценариев отдает предпочтение оптимистическому варианту потепления климата по сценарию GFDL, который лучше согласуется с уже наблюдаемыми изменениями климата на территории России. Однако, адаптационные меры должны быть разработаны и для наиболее пессимистических сценариев аридного типа A1FI /HadCM3 и В2 /HadCM3. Применение экономико-математической модели по регионам России позволяет получить в качестве решения параметры региональных систем земледелия, позволяющих снизить до минимума риски, возникающие в результате изменений, вызванных реализацией сценариев аридного типа. Рассмотрим в качестве примера Нечерноземную зону ЕТР России. В результате решения по модели для ряда регионов Нечерноземной зоны ЕТР России определены значения долей культур сплошного сева и пропашных культур для двух климатических сценариев – A1Fi OPT(экономически оптимальный сценарий) и B2 SUS (эколого- экономически оптимальный сценарий), количество азотных удобрений на 1 га севооборотной площади, количество органических удобрений на 1 га севооборотной площади, плотность стада КРС на 1 га посева (доля коров в стаде), выход продукции скотоводства на 1 га посева. Структура севооборотного массива региона определена по классам культур – культуры сплошного сева, пропашные, многолетние травы. В таблице 6 представлена динамика доли многолетних трав как основной параметр адаптации к климатическим изменениям.
- 45. 45 Количество азотных удобренийна 1 га севооборотной площади, рекомендованное специалистами–экспертами, составляет для северо-западных регионов (Ленинградская, Новгородская, Псковская области) 85 кг действующего вещества на 1 га. Для центральных регионов, куда входят Брянская область, Владимирская область, Ивановская область, Калужская область, Костромская область, Московская область, Рязанская область, Смоленская область, Тверская область, Ярославская область, – 88 кг действующего вещества на 1 га. Для Республики Марий-Эл, Республики Мордовия, Чувашской Республики, Кировской области, Нижегородской области рекомендованная доза азотных удобрений составляет 75 кг действующего вещества на 1 га. Количество органических удобрений на 1 га севооборотной площади приведено в таблице 7; Выход продукции скотоводства на 1 га посева приведен в таблице 8. Таблица 6 – Рекомендуемые значения доли многолетних трав по регионам Нечерноземной зоны ЕТР Код Область, республика 2030 г. A1Fi 2050 г. A1Fi 2030 г. B2 2050 г. B2 36 Вологодская 43,27 34,59 50,80 41,53 50 Ленинградская 30,00 30,00 30,00 43,93 57 Новгородская 56,66 53,97 58,85 57,35 65 Псковская 59,93 57,01 60,91 59,81 33 Брянская 52,38 57,93 54,25 54,83 34 Владимирская 36,88 49,77 39,54 43,03 38 Ивановская 57,80 59,88 59,34 59,20 42 Калужская 59,44 60,59 60,13 59,28 47 Костромская 58,98 59,25 60,16 59,00 54 Московская 55,97 58,58 56,79 57,50 209 Рязанская 38,89 50,02 37,68 50,40 72 Смоленская 56,85 56,92 57,44 56,77 74 Тверская 54,18 53,56 54,59 54,88 84 Ярославская 56,45 56,97 57,13 57,46 8 Марий-Эл 52,28 57,36 53,32 54,15 9 Мордовия 59,71 32,51 60,05 61,41 15 Чувашская 46,60 58,63 48,10 49,53 46 Кировская 62,06 61,83 63,01 62,78 56 Нижегородская 56,96 60,52 58,20 58,21
- 46. 46 Таблица 7 –Количество органических удобрений на 1 га севооборотной площади, т/га Область, республика При сохранении современного уровня сельского хозяйства as usial Оптимальный экономический сценарий A1 OPT 2050 Экологический сценарий B2 SUS 2050 Ленинградская 3,60 5,37 3,06 Новгородская 0,37 9,92 3,60 Псковская 0,80 6,48 3,60 Брянская 0,90 1,36 3,41 Владимирская 1,67 5,34 3,24 Ивановская 0,99 5,09 3,33 Калужская 0,62 2,94 3,53 Костромская 0,63 1,97 3,21 Московская 2,19 7,81 3,41 Рязанская 0,60 0,59 2,85 Смоленская 0,61 9,75 3,63 Тверская 0,83 9,75 3,47 Ярославская 1,38 5,78 3,29 Марий-Эл 1,80 0,40 3,23 Мордовия 0,42 3,45 2,90 Чувашская 1,35 0,30 2,96 Кировская 0,90 0,74 3,01 Нижегородская 2,26 0,98 3,17 Источник: собственные расчеты по сценариям.
- 47. 47 Таблица 8 –Плотность поголовья КРС на 1 га севооборотной площади Область, республика При сохранении современного уровня сельского хозяйства 2050 (as usial) Оптимальный экономический сценарий A1 OPT 2050 Экологический сценарий B2 SUS 2050 Ленинградская 0,78 0,88 0,32 Новгородская 0,40 0,27 0,35 Псковская 0,45 0,42 0,35 Брянская 0,40 0,32 0,34 Владимирская 0,37 0,56 0,31 Ивановская 0,30 0,86 0,33 Калужская 0,22 0,25 0,35 Костромская 0,28 0,29 0,32 Московская 0,46 1,07 0,33 Рязанская 0,22 0,00 0,29 Смоленская 0,21 0,16 0,35 Тверская 0,21 2,28 0,34 Ярославская 0,36 0,94 0,33 Марий-Эл 0,33 0,00 0,32 Мордовия 0,34 0,71 0,30 Чувашская 0,31 0,06 0,29 Кировская 0,44 0,19 0,31 Нижегородская 0,42 0,27 0,32 Источник: собственные расчеты по данным сборников «Сельское хозяйство» и по сценариям Предполагаемое изменение климата приведет к росту приходной составляющей баланса гумуса и уменьшению скорости разложения ОВ, благодаря аридизации климата. Расчеты показали, что равновесные состояния баланса по гумусу при новых климатических условиях достигаются при меньших затратах на получение единицы продукции. Потенциальное депонирование углерода при осуществлении экономически и экологически устойчивого сценария может составить не менее 1-2 т/га в год, наиболее благоприятные климатические условия для депонирования сложатся в 2035-2055 гг. Как видно из таблицы 9 нагрузка поголовья на 1 га посева для сценария B2 SUS колеблется в пределах 0,29-0,35 гол. на 1 га.
- 48. 48 Параметры производства продукциискотоводства в расчете на 1 га также колеблются в пределах 1 т по молоку и 0,02 т по мясу КРС.
- 49. 49 Таблица 9 –Параметры среднегодового производства скотоводческой продукции, т на 1 га Производство молока Производство говядины Производство молока Производство говядины Производство молока Производство говядины Область, Республика При сохранении современного уровня сельского хозяйства as usial(BAU) При сохранении современного уровня сельского хозяйства as usial(BAU) Оптимальный экономический сценарий 2050 A1 OPT Оптимальный экономический сценарий 2050 A1 OPT Экологический сценарий 2050 B2 SUS Экологический сценарий 2050 B2 SUS Ленинградская 0,30 0,05 3,62 0,06 0,93 0,02 Новгородская 0,20 0,03 0,30 0,02 1,00 0,02 Псковская 0,26 0,03 0,43 0,03 1,01 0,02 Брянская 0,33 0,03 0,25 0,02 0,97 0,02 Владимирская 0,54 0,02 1,80 0,04 0,89 0,02 Ивановская 0,33 0,02 2,39 0,06 0,93 0,02 Калужская 0,29 0,01 0,69 0,02 1,00 0,02 Костромская 0,27 0,02 0,71 0,02 0,92 0,02 Московская 0,82 0,03 1,55 0,07 0,96 0,02 Рязанская 0,29 0,02 0,00 0,00 0,83 0,02 Смоленская 0,26 0,01 0,18 0,01 1,01 0,02 Тверская 0,23 0,01 2,55 0,15 0,97 0,02
- 50. 50 Продолжение таблицы 9 Ярославская 0,420,02 2,97 0,06 0,95 0,02 Марий-Эл 0,25 0,02 0,00 0,00 0,91 0,02 Мордовия 0,31 0,02 1,42 0,05 0,86 0,02 Чувашская 0,26 0,02 0,10 0,00 0,84 0,02 Кировская 0,17 0,03 0,15 0,01 0,88 0,02 Нижегородская 0,27 0,03 0,21 0,02 0,92 0,02 Источник: собственные расчеты по сценарию
- 51. 51 3 Модели потребленияагропродовольственной продукции в регионах России На втором этапе при определении объемов конечного потребления в регионе используются степенные производственные функции с постоянной эластичностью замещения по цене и доходу на душу населения. Производственное потребление определяется исходя из наличия производственных мощностей переработки и коэффициента использования производственных мощностей. Постановка задачи по определению конечного потребления агропродовольственной продукции Общепринятой классификации функций спроса и потребления не существует, но при использовании в качестве зависимой переменной указателя, измеренного на метрической интервальной шкале (натуральные и стоимостные показатели потребления), различают следующие виды моделей: - структурные; - факторные модели зависимостей; - макроэкономические модели спроса и предложения. Параметры таких моделей наиболее часто определяются методом наименьших квадратов (МНК) и позволяют прогнозировать потребление и спрос, анализировать дифференциацию и эластичность потребления. Для определения душевого потребления i–го вида продовольствия, производимого из растительного сырья i– го вида, кг/чел/год, использовалась логарифмическая функция двух параметров: годовой душевой доход, тыс.руб/чел/год и цена приобретения продовольствия, руб/кг, i∈[1,4]. Были рассмотрены следующие виды продовольствия, производимые из растительного сырья (кроме картофеля): хлеб и хлебопродукты в пересчете на муку, масло подсолнечное, сахар из сахарной свеклы. Следует отметить, что региональные различия, не сводящиеся к ценам и доходам, при оценке параметров игнорировались. Это было сделано для повышения
- 52. 52 устойчивости оцениваемых параметров,так как закономерности конечного потребления более явно прослеживаются на федеральном уровне. Таким образом, подгонка зависимостей конечного потребления осуществлялась в два этапа: в начале по информации федерального уровня определялись коэффициенты эластичностей по доходу и цене на федеральном уровне, а, затем, за счет свободного члена осуществлялась окончательная настройка на данные о региональном потреблении. Апробация модели конечного потребления Таблица 10 – Параметры зависимостей душевого потребления продовольствия (в целом по России) Вид продовольствия Свободный член Эластичность по доходу Эластичность по цене Коэффициент множественной детерминации Масло растительное 0,88 0,28 -0,25 0,45 Сахар-песок 3,37 0,11 -0,23 0,51 Хлеб и хлебопродукты в пересчете на муку 5,18 -0,01 -0,09 0,5 Расчет регионального потребления продовольствия соответствующего вида осуществляется перемножением прогнозных показателей по численности населения региона на душевое потребление. При этом нужно учесть, что внешней информацией являются душевые доходы населения и динамика его численности; ценообразование на региональных рынках продовольствия является предметом моделирования и будет приведено далее. Среднегодовое потребление молока и молочных продуктов и мяса в расчете на душу населения определяется в модели для каждого региона. Для получения значений эластичностей по доходу и цене продукта была проведена обработка статистических данных по каждому региону за период с 2000 по 2010гг. В результате полученные значения эластичностей представлены в таблице 11.
- 53. 53 Таблица 11 –Параметры региональных функций потребления мяса и мясопродуктов Название региона Св.член Эластичность по доходу Эластичность по цене мяса R2 Алтайский край 2,63 0,34 -0,33 0,71 Амурская область 1,83 0,43 -0,36 0,76 Архангельская область 1,16 0,61 -0,61 0,85 Астраханская область 1,21 0,55 -0,42 0,99 Белгородская область 2,65 0,29 -0,18 0,95 Брянская область 3,92 0,07 -0,10 0,82 Владимирская область 1,73 0,51 -0,50 0,85 Волгоградская область 2,72 0,37 -0,39 0,84 Вологодская область 2,35 0,37 -0,33 0,87 Воронежская область 2,25 0,40 -0,36 0,86 Еврейская автономная область 1,95 0,37 -0,30 0,79 Забайкальский край 3,09 0,25 -0,26 0,62 Ивановская область 2,64 0,26 -0,20 0,90 Иркутская область 2,75 0,15 -0,03 0,96 Кабардино- Балкарская Республика 2,52 0,27 -0,22 0,92 Калининградская область 2,78 0,28 -0,21 0,87 Калужская область 2,67 0,36 -0,37 0,83 Камчатский край 2,80 0,31 -0,31 0,70 Карачаево-Черкесская Республика 2,62 0,54 -0,72 0,71 Кемеровская область 2,30 0,25 -0,12 0,83 Кировская область 3,56 0,13 -0,14 0,86 Костромская область 3,29 0,28 -0,42 0,72 Краснодарский край 1,94 0,54 -0,54 0,85 Красноярский край 2,43 0,37 -0,33 0,73 Курганская область 2,67 0,25 -0,15 0,97 Курская область 3,51 0,11 -0,08 0,69 Ленинградская область 2,56 0,37 -0,36 0,82
- 54. 54 Название региона Св.член Эластичность по доходу Эластичностьпо цене мяса R2 Липецкая область 2,28 0,40 -0,37 0,90 Магаданская область 2,33 0,42 -0,43 0,85 Московская область 2,80 0,42 -0,47 0,84 Мурманская область 2,10 0,44 -0,48 0,85 Нижегородская область 1,60 0,60 -0,63 0,85 Новгородская область 2,09 0,39 -0,32 0,80 Новосибирская область 3,52 0,17 -0,24 0,68 Омская область 3,14 0,19 -0,13 0,85 Оренбургская область 2,76 0,31 -0,31 0,73 Орловская область 3,87 0,08 -0,04 0,60 Пензенская область 2,62 0,49 -0,59 0,77 Пермский край 3,37 0,13 -0,11 0,73 Приморский край 2,45 0,29 -0,21 0,71 Псковская область 2,68 0,34 -0,31 0,81 Республика Адыгея 1,61 0,43 -0,31 0,95 Республика Алтай 3,49 0,17 -0,16 0,83 Республика Башкортостан 3,12 0,12 0,91 Республика Бурятия 3,49 0,21 -0,29 0,65 Республика Дагестан 2,56 0,36 -0,48 0,84 Республика Ингушетия 1,95 0,41 -0,39 0,90 Республика Калмыкия 1,26 0,87 -0,84 0,77 Республика Карелия 1,64 0,42 -0,27 0,99 Республика Коми 2,56 0,25 -0,15 0,91 Республика Марий Эл 3,10 0,39 -0,50 0,68 Республика Мордовия 2,68 0,40 -0,42 0,77 Республика Саха (Якутия) 3,14 0,23 -0,17 0,90 Республика Северная Осетия - Алания 2,61 0,22 -0,11 0,84 Республика Татарстан 2,89 0,34 -0,39 0,81 Республика Тыва 2,29 0,52 -0,64 0,63 Республика Хакасия 3,32 0,21 -0,22 0,61 Ростовская область 1,70 0,49 -0,44 0,81 Рязанская область 3,57 0,09 -0,06 0,86
- 55. 55 Название региона Св.член Эластичность по доходу Эластичностьпо цене мяса R2 Самарская область 2,56 0,29 -0,27 0,77 Саратовская область 3,01 0,26 -0,26 0,68 Сахалинская область 2,66 0,41 -0,44 0,86 Свердловская область 2,64 0,32 -0,30 0,83 Смоленская область 3,01 0,28 -0,32 0,68 Ставропольский край 2,25 0,53 -0,61 0,78 Тамбовская область 2,75 0,25 -0,19 0,98 Тверская область 2,87 0,29 -0,30 0,72 Томская область 2,06 0,35 -0,25 0,87 Тульская область 2,92 0,27 -0,26 0,78 Тюменская область 2,35 0,22 -0,14 0,76 Удмуртская Республика 2,83 0,29 -0,29 0,77 Ульяновская область 3,21 0,22 -0,26 0,75 Хабаровский край 2,56 0,34 -0,32 0,87 Челябинская область 2,83 0,30 -0,29 0,73 Чувашская Республика 3,36 0,16 -0,16 0,73 Чукотский авт.округ 2,95 0,22 -0,26 0,50 Ярославская область 2,15 0,55 -0,61 0,69
- 56. 56 Таблица 12 –Параметры региональных функций потребления молока Название региона Св.член Эластичность по доходу Эластичность по цене молока R2 Алтайский край 4,73 0,19 -0,24 0,87 Амурская область 4,51 0,19 -0,36 0,82 Архангельская область 5,14 -0,07 0,70 Астраханская область 4,50 0,09 0,90 Белгородская область 4,36 0,26 -0,40 0,71 Брянская область 5,96 -0,05 0,76 Владимирская область 5,04 0,03 0,79 Волгоградская область 5,04 0,07 -0,12 0,93 Вологодская область 5,03 0,09 -0,13 0,53 Воронежская область 5,18 0,04 -0,02 0,67 Еврейская автономная область 4,25 0,10 0,77 Забайкальский край 5,07 0,05 0,90 Ивановская область 5,40 -0,06 0,9 Иркутская область 4,35 0,12 -0,07 0,77 Кабардино- Балкарская Республика 4,95 0,09 -0,06 0,78 Калининградская область 4,76 0,12 -0,11 0,60 Калужская область 4,99 0,13 -0,26 0,67 Камчатский край 3,15 0,32 -0,34 0,80 Карачаево-Черкесская Республика 4,60 0,14 0,95 Кемеровская область 4,75 0,13 -0,19 0,57 Кировская область 5,62 0,03 -0,08 0,78 Костромская область 5,85 -0,15 0,87 Краснодарский край 4,45 0,10 0,92 Красноярский край 5,62 -0,05 0,88 Курганская область 5,35 0,03 0,74 Курская область 4,86 0,13 -0,20 0,72 Ленинградская область 3,76 0,30 -0,28 0,95 Липецкая область 5,37 0,04 -0,11 0,81 Магаданская область 1,50 0,77 -0,92 0,82
- 57. 57 Название региона Св.член Эластичность по доходу Эластичностьпо цене молока R2 Московская область 5,23 0,09 -0,17 0,65 Мурманская область 1,69 0,39 -0,01 0,95 Нижегородская область 5,11 0,07 -0,10 0,63 Новгородская область 3,63 0,35 -0,42 0,73 Новосибирская область 5,26 0,08 -0,11 0,96 Омская область 4,69 0,25 -0,38 0,87 Оренбургская область 5,16 0,08 -0,05 0,75 Орловская область 5,78 -0,04 -0,03 0,79 Пензенская область 5,08 0,06 0,66 Пермский край 5,19 0,05 -0,09 0,85 Приморский край 2,17 0,29 0,96 Псковская область 5,46 0,07 -0,14 0,85 Республика Адыгея 4,58 0,14 -0,16 0,79 Республика Алтай 4,81 0,17 -0,26 0,69 Республика Башкортостан 4,32 0,32 -0,47 0,69 Республика Бурятия 4,09 0,24 -0,25 0,62 Республика Дагестан 3,75 0,27 -0,33 0,76 Республика Ингушетия 4,59 0,07 -0,01 0,61 Республика Калмыкия 3,01 0,40 -0,23 0,70 Республика Карелия 5,00 0,08 -0,12 0,70 Республика Коми 4,19 0,22 -0,26 0,70 Республика Марий Эл 5,61 0,04 -0,08 0,65 Республика Мордовия 5,70 0,05 -0,15 0,85 Республика Саха (Якутия) 4,73 0,16 -0,16 0,92 Республика Северная Осетия - Алания 4,73 0,12 -0,14 0,74 Республика Татарстан 4,72 0,18 -0,20 0,76 Республика Тыва 4,87 0,06 -0,09 0,89 Республика Хакасия 5,11 0,10 -0,18 0,51 Ростовская область 4,09 0,23 -0,25 0,50 Рязанская область 5,69 -0,05 0,83 Самарская область 4,90 0,10 -0,15 0,68 Саратовская область 5,06 0,16 -0,29 0,50
- 58. 58 Название региона Св.член Эластичность по доходу Эластичностьпо цене молока R2 Сахалинская область 4,32 0,17 -0,20 0,91 Свердловская область 4,81 0,10 -0,11 0,51 Смоленская область 5,91 -0,05 0,89 Ставропольский край 3,67 0,33 -0,46 0,50 Тамбовская область 5,14 0,06 -0,15 0,80 Тверская область 5,56 0,01 -0,04 0,78 Томская область 2,65 0,53 -0,63 0,65 Тульская область 5,32 -0,06 0,89 Тюменская область 5,34 -0,08 0,90 Удмуртская Республика 5,54 0,02 -0,04 0,58 Ульяновская область 5,30 0,05 -0,10 0,85 Хабаровский край 4,52 0,15 -0,20 0,82 Челябинская область 5,41 -0,05 0,86 Чувашская Республика 5,74 0,01 -0,09 0,81 Ярославская область 5,14 0,07 -0,10 0,57 В результате определяются объемы конечного потребления по 6-ти видам агропродовольственной продукции хлеб и хлебопродукты в пересчете на муку, картофель, сахар, подсолнечное масло, мясо и мясопродукты, молоко. Определение потребности в сырье для пищевой промышленности региона В данной постановке рассматриваются следующие виды продовольствия, производимого в большинстве регионов: 1. Мука 2. Масло растительное 3. Сахар-песок Хлеб и хлебопродукты не рассматриваются в качестве переменной, т. к. предполагается, что производственные мощности регионов в достаточной степени обеспечивают региональные потребности и не являются ограничивающим фактором для производства данного вида продукции.
- 59. 59 Общая схема моделированиядинамики производства продукции переработки может быть такой: 1. По каждому региону с использованием прошлой информации определяется наличие производственных мощностей по переработке сырья для производства продукции j-го вида, PMj , j∈[1,5]; 2. Рассчитывается средний коэффициент использования производственных мощностей по переработке сырья для производства продукции j-го вида, kpj ; 3. Рассчитывается средний коэффициент расхода сырья на производство единицы продукции j-го вида. Для показателей производства растительного масла и сахарного песка можно установить следующие регрессионные зависимости: Pмука= 0,75*Vзерно (39) R2 = 0,9 79,0 3,0 2 = = R VP растподсраст (40) 96,0 1055,0 2 = = − R VP свсахсах (41) где Pмука – производство муки, Vзерно – производство товарного зерна, раст P - производство растительного масла, подс V - валовой сбор семян подсолнечника, сах P - производство сахарного песка из сахарной свеклы, свсах V − - валовой сбор сахарной свеклы; 4. Располагаемый ресурс сырья в данном регионе берется из решения предыдущего этапа; 5. Определяется является ли ограничивающим фактором объем мощностей по переработке сельскохозяйственного сырья при обеспечении конечного потребления региона в данном виде продукции;
- 60. 60 6. Определяется, являетсяли ограничивающим фактором объем производимого в регионе сырья при обеспечении конечного потребления региона в данном виде продукции; Минимальный из ограничивающих факторов поступает в модель на следующем этапе решения в качестве нижнего ограничения, определяющего потребность в продукции q-го вида в регионе. F j - потребность в продукции j - вида Положительное значение невязки характеризует способность региона к вывозу продукции. Отрицательное значение свидетельствует о неудовлетворенном спросе на продукцию данного вида. Суммарные невязки характеризуют объемы импорта и экспорта по каждому виду агропродовольственной продукции в целом по России.
- 61. 61 4 Модель оптимизациимежрегиональных транспортных потоков На четвертом этапе решается классическая транспортная задача на уровне АПК России, где критерием оптимальности выступает минимум затрат на транспортировку всех видов продукции между Федеральными округами. Нижним ограничением по объемам импорта продукции является полученное на третьем этапе решения задачи значение суммарной отрицательной невязки по каждому продукту по всем Федеральным округам. l - инфраструктурные ограничения на единицу готовой продукции в Федеральном округе. Постановка задачи оптимизации межрегиональных транспортных потоков Требуется минимизировать суммарные затраты на транспортировку агропродовольственной продукции на уровне АПК России: min/ / / ⇒∑ ∑ ∑ ∈ ∈ ∈ qg Qq M qg Gg cx µµµ µµ (42) 1. Ограничения по ресурсам µ µµ g Qq qg Gg qg Llx ≤∑ ∑ ∈ ∈ / (43) µ g L - фонд объема транспортных услуг g-го вида в округе µ 2. Ограничение по ввозу q-й продукции в / µ -й Федеральный округ q M Gg qg Wx / / / µµ µµ ≥∑ ∑ ∈ ∈ (44) 3. Ограничение по вывозу q-й продукции из µ-го Федерального округа q M Gg qg WWx / / / µµ µµ ≤∑ ∑ ∈ ∈ (45)
- 62. 62 4. Баланс продукциив целом по России ∑ +=∑ + ∈∈ M qq M qq EXPWWIMPW µ µµ µ // (46) 5. Неотрицательность переменных qg x / µµ Объем перевозки q-го вида продукции g-м видом Транспорта из округа µ в округ / µ q - вид продукции, подлежащей перевозке qg C - себестоимость производства и транспортировки продукции q-го вида g-м видом транспорта из одного федерального округа в другой, тыс. руб./ т Апробация модели по оптимизации перевозок Рассмотрим апробацию данной модели на примере зернового рынка. Начальным этапом решения транспортной задачи является предположение о том, что цены на зерно одинаковые во всех регионах. Зерно рассматривается в транспортной задаче как однородный груз, и включает в себя такие виды культур как пшеница, ячмень, кукуруза, гречка, просо, рис и другие. В современной рыночной экономике России закупочные цены на зерно в различных регионах России существенно отличаются, и, поэтому, на следующем этапе традиционная транспортная задача модифицируется и составляется модель, учитывающая закупочные цены на зерно в регионах – поставщиках зерна. Действительно, если iс - закупочная цена на зерно в регионе i в руб./т, jс - закупочная цена на зерно в регионе j, в руб./т, ijс - стоимость перевозки в рублях тонны зерна из i-ого региона в j-й регион, то в случае jс <= iс + ijс , (47) у зерновой или транспортной компании или трейдера не будет мотивации для перевозки зерна из региона i в регион j. Более того, соотношение (47) уточняется с
- 63. 63 учётом того, чтозерновому трейдеру необходимо получить хотя бы 10% прибыли от осуществляемой хозяйственной деятельности, и записывается в следующем виде: >+− iijij cccс /))(( = 0,1 (48) т.е. если выполняется соотношение (48), то перевозка зерна из региона i в регион j осуществима. Соотношение (48) может модифицироваться с учётом расширения процента прибыли, количества перевозимого груза, учётом уровня рентабельности проделанной хозяйственной деятельности и др. Постановка транспортной задачи: Найти min С= ∑ ∑ = = ∗ m i n j ijij cx 1 1 (49) при ограничениях: ∑ = =− n j iij Sx 1 0)( (50) ∑ = =− m i jij Dx 1 0)( (51) где: ijx - количество перевозимого груза от i-ого поставщика к j-ому потребителю; ijс - стоимость перевозки единицы груза от i-ого поставщика к j-ому потребителю; m - число поставщиков; n - число потребителей; iS - ограничение на вывоз груза от i-ого поставщика; jD - ограничение на ввоз груза к j-ому потребителю. В формуле (50) утверждается, что все поставленные объёмы груза от i-ого поставщика к расчётным потребителям должны равняться ограничению на вывоз груза от i-ого поставщика. В формуле (52) утверждается, что все вывезенные объёмы груза от всех полученных в решении поставщиков к j-ому потребителю должны равняться ограничению на ввоз груза к j-ому потребителю.
- 64. 64 ЗАКЛЮЧЕНИЕ Модель эффективной производственнойструктуры имеет двухуровневую иерархическую структуру: уровень АПК России и уровень регионального АПК. Между ними находится связующий блок, позволяющий осуществлять переход с одного уровня на другой. Необходимо отметить, что формирование на областном уровне рациональной производственной структуры аграрного сектора, обеспечивающей устойчивое ведение земледелия, возможно лишь при использовании информации о биоклиматическом потенциале той или иной культуры в условиях изменяющегося климата, структуре посевных площадей, типах севооборотов и интенсивности применения удобрений и др. Проведенное исследование позволило получить следующие результаты: • исследованы существующие теоретические предпосылки моделирования размещения сельскохозяйственного производства, определена возможность применения моделей линейного программирования для решения задач такого типа на современном этапе развития АПК России; • разработана экономико-математическая модель региональной системы земледелия, позволяющая определить потенциально возможные объемы производства каждого вида сельскохозяйственной продукции в регионе при соблюдении критериев экономической эффективности и экологической безопасности с учетом биоклиматического потенциала территории. Особенностью данной постановки является то, что стратегия размещения сельскохозяйственного производства, полученная в результате решения задачи с использованием разработанной модели, будет опираться на региональные программы, где оптимальная производственная структура регионального АПК рассчитывается на основе биоклиматического потенциала территории при соблюдении ограничения на устойчивое воспроизводство почвенного плодородия. • определены функции конечного потребления по видам продовольствия. С учетом региональных особенностей потребления и наличия производственных
- 65. 65 мощностей переработки определенымодели балансов регионального потребления по видам агропродовольственной продукции; • разработан модельный инструментарий для определения вариантов рационального размещения сельскохозяйственного производства в России, исходя из предположений, что, во-первых, удовлетворение дефицита в агропродовольственной продукции j-го вида в происходит в первую очередь за счет регионов, входящих в один Федеральный округ, и во-вторых, определенная оптимальная структура региональной системы земледелия является заданной. Неизменными являются структура посевных площадей, плотность поголовья скота каждого вида на 1 га пашни. Каждый регион представлен двумя параметрами, выходом продукции растениеводства и животноводства на 1 га севооборотной площади по товарным группам (зерновые, пропашные, многолетние травы, мясо КРС, молоко), тыс.руб. на 1 га и суммарными затратами ресурсов, которые обеспечивают данный объем выходной продукции растениеводства или животноводства на 1 га севооборотной площади по товарным группам (зерновые, пропашные, многолетние травы, мясо КРС, молоко), тыс.руб. В результате решения задачи в данной постановке получен оптимальный вариант размещения аграрного производства и экономических связей между регионами, при котором обеспечивается производство сельскохозяйственной продукции при максимальном использовании биоклиматического потенциала региона для удовлетворения собственных потребностей, определяются объемы межрегиональных потоков ввоза и вывоза продукции, при этом минимизируются совокупные затраты по производству и транспортировке между федеральными округами.
- 66. 66 Список литературы 1. А.Ф.Карпенко,В.А.Кардаш, Н.С.Низова и др. «Практикум по математическому моделированию экономических процессов в сельском хозяйстве», М., Агропромиздат, 1985год. 2. Г.И.Новиков, К.В.Колзуанов «Применение экономико-математических методов в сельском хозяйстве», М., «Колос», 1975 год 3. Можин В.П., Ильюшонок С.Е., Еремеев А.П. « Моделирование размещения сельскохозяйственного производства по административным районам Западной Сибири».Сборник «Вопросы моделирования размещения сельского хозяйства»под ред. В.А.Семёнова, Новосибирск: Наука. Сиб.отд-е, 1968г. 4. Можин В.П., Ильюшонок С.Е., Еремеев А.П. « Опыт моделирования задач большой размерности по размещению сельскохозяйственного производства». Сборник «Вопросы моделирования размещения сельского хозяйства»под ред. В.А.Семёнова, Новосибирск: Наука. Сиб.отд-е, 1968г. 5. Ильюшонок С.Е «Сравнение двух методов решения задачи по определению оптимального плана размещения сельскохозяйственного производства». Тезисы «Размещение и специализация сельского хозяйства», Новосибирск, 1966 год. 6. Можин В.П., Ильюшонок С.Е., Гурин Г.В. «Экономико-математическая модель размещения сельского производства по экономическим районам страны на перспективу», Тезисы доклада Всесоюзного совещания «Информационно- вычислительная система планирования, учёта, отчётности и оперативного управления сельскохозяйственным производством» М., 1971 год 7. Ильюшонок С.Е., Еремеев А.П.«Моделирование размещения производства сельскохозяйственной продукции по районам Новосибирской области», Тезисы докладов областной научно-практической конференции «Достижения науки – сельскому хозяйству», Новосибирск, 1970 год 8. Тянутов А.Н., Ильюшонок С.Е. «Использование математических методов для разработки плана размещения сельскохозяйственного производства , Сборник «
- 67. 67 Экономико-математические методы планированияи анализа сельскохозяйственного производства» под. ред. В.П. Можина, Новосибирск: Наука, Сиб.отд., 1969г. 9. Методические рекомендации по разработке схем развития и размещения сельскохозяйственного производства в области, крае и автономной республике на перспективу», ВНИИ экономики, труда и управления в сельском хозяйстве, Косино, 1984 г. 10. И.Э. Гимади, В.В. Дрокин, А.С. Журавлёв «Размещение и специализация сельскохозяйственного производства в индустриальном регионе: использование конкурентных преимуществ, государственное регулирование», Российская академия наук. Уральское отделение. Институт экономики, г. Екатеринбург, 2006 год. 11. www.gks.ru сайт Росстата России 12. www.zol.ru сайт компании Зерно-online 13. www.customs.ru сайт Федеральной таможенной службы
- 68. 68 П Р ИЛ О Ж Е Н И Е А Оптимальная производственная структура растениеводства по регионам России Таблица А.1 - Доля зерновых в посевной площади Факт Сценарий современного климата посевная площадь (тыс. га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) РОССИЙСКАЯ ФЕДЕРАЦИЯ ЦЕНТРАЛЬНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Белгородская область 696 50,58 830 60,35 Брянская область 291 40,03 229 31,47 Владимирская область 83 25,71 93 28,75 Воронежская область 1308 53,06 1518 61,57 Ивановская область 61 28,46 63 29,24 Калужская область 76 24,79 154 50,13 Костромская область 45 24,39 8 4,11 Курская область 920 62,66 1027 69,96 Липецкая область 730 60,70 542 45,10 Московская область 92 18,03 71 13,91 Орловская область 740 68,03 38 3,45 Рязанская область 497 62,16 514 64,28 Смоленская область 120 26,55 168 37,17 Тамбовская область 831 56,67 429 29,27 Тверская область 69 10,67 9 1,44 Тульская область 454 63,50 393 54,99 Ярославская область 45 13,83 13 3,94 г. Москва СЕВЕРО-ЗАПАДНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Карелия 0,06 0,20 0,46 1,47 Республика Коми 0,01 0,02 0 0,00 Архангельская область 3 2,80 8 8,67 Вологодская область 118 27,50 219 51,18 Калининградская область 69 44,47 89 57,18 Ленинградская область 35 14,74 2 0,98 Новгородская область 12 6,60 0 0,00 Псковская область 23 10,00 0,25 0,11 ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Адыгея 109 49,69 176 79,99 Республика Калмыкия 177 82,69 85 39,79
- 69. 69 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) Краснодарский край 2128 60,35 2515 71,33 Астраханская область 18 27,09 7 9,82 Волгоградская область 1883 68,26 1809 65,58 Ростовская область 2869 68,21 2820 67,04 СЕВЕРО-КАВКАЗСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Дагестан 84 33,90 10 3,90 Республика Ингушетия 39 54,27 37 52,40 Кабардино-Балкарская Республика 191 66,25 0 0,00 Карачаево-Черкесская Республика 74 55,94 93 70,38 Республика Северная Осетия-Алания 120 72,99 133 80,72 Чеченская Республика 99 57,98 89 51,98 Ставропольский край 1949 68,44 1377 48,36 ПРИВОЛЖСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Башкортостан 1619 53,51 2276 75,23 Республика Марий Эл 135 48,50 172 61,59 Республика Мордовия 412 58,03 378 53,35 Республика Татарстан 1485 50,77 1934 66,09 Удмуртская Республика 334 31,73 40 3,85 Чувашская Республика 221 41,83 389 73,72 Пермский край 243 33,43 3 0,46 Кировская область 309 37,68 445 54,34 Нижегородская область 512 43,82 737 63,02 Оренбургская область 2730 69,03 2922 73,89 Пензенская область 564 50,22 801 71,25 Самарская область 843 47,94 1019 57,96 Саратовская область 2082 58,48 1472 41,36 Ульяновская область 554 57,86 689 71,93 УРАЛЬСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Курганская область 1141 82,37 370 26,72 Свердловская область 326 39,50 375 45,35 Тюменская область 667 60,38 856 77,55 Челябинская область 1399 71,88 1424 73,17 СИБИРСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Алтай 9 8,14 12 11,35 Республика Бурятия 100 56,37 0 0,00 Республика Тыва 19 65,77 5 17,86 Республика Хакасия 115 45,39 0 0,00 Алтайский край 3391 62,61 4542 83,87 Забайкальский край 142 61,04 168 71,85 Красноярский край 987 66,73 823 55,61
- 70. 70 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) Иркутская область 388 60,28 467 72,62 Кемеровская область 639 63,09 746 73,63 Новосибирская область 1582 65,85 2014 83,82 Омская область 1971 68,61 2162 75,27 Томская область 242 62,51 263 68,09 ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Саха (Якутия) 35 50,07 5 7,07 Камчатский край 0,05 0,23 0,05 0,24 Приморский край 118 31,57 257 68,51 Хабаровский край 9 11,29 2 3,18 Амурская область 223 22,32 33 3,35 Таблица А.2 - Доля зернобобовых в посевной площади Факт Сценарий современного климата посевная площадь (тыс. га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) РОССИЙСКАЯ ФЕДЕРАЦИЯ ЦЕНТРАЛЬНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Белгородская область 52 3,79 25 1,80 Брянская область 22 3,01 7 0,98 Владимирская область 2 0,68 2 0,69 Воронежская область 78 3,17 26 1,04 Ивановская область 2 0,94 3 1,31 Калужская область 3 0,95 3 1,09 Костромская область 1 0,29 1 0,29 Курская область 30 2,07 11 0,77 Липецкая область 25 2,11 0,47 0,04 Московская область 2 0,31 2 0,31 Орловская область 34 3,12 0,3 0,03 Рязанская область 16 2,03 10 1,20 Смоленская область 5 1,09 1 0,29 Тамбовская область 61 4,16 2 0,11 Тверская область 10 1,62 14 2,16 Тульская область 2 0,27 2 0,23 Ярославская область 1 0,43 1 0,43 г. Москва
- 71. 71 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) СЕВЕРО-ЗАПАДНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Карелия 0 0,00 0,36 1,14 Вологодская область 2 0,38 0,03 0,01 Калининградская область 4 2,52 2 1,60 Ленинградская область 0,11 0,05 0,11 0,05 Псковская область 1 0,42 3 1,07 ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Адыгея 1 0,34 0 0,00 Республика Калмыкия 4 1,80 72 33,50 Краснодарский край 38 1,07 22 0,61 Астраханская область 0 0,00 1 1,33 Волгоградская область 80 2,91 138 5,02 Ростовская область 136 3,24 149 3,54 СЕВЕРО-КАВКАЗСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Дагестан 1 0,46 0 0,00 Республика Ингушетия 0,47 0,65 1 0,77 Кабардино-Балкарская Республика 4 1,23 0 0,00 Карачаево-Черкесская Республика 0,31 0,23 0,30 0,23 Республика Северная Осетия-Алания 1 0,62 1 0,59 Чеченская Республика 1 0,52 1 0,45 Ставропольский край 186 6,54 3 0,10 ПРИВОЛЖСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Башкортостан 76 2,53 29 0,95 Республика Марий Эл 10 3,50 11 3,92 Республика Мордовия 15 2,05 4 0,58 Республика Татарстан 69 2,37 3 0,10 Удмуртская Республика 17 1,63 22 2,05 Чувашская Республика 7 1,37 6 1,16 Пермский край 11 1,58 9 1,25 Кировская область 15 1,85 19 2,36 Нижегородская область 24 2,03 25 2,16 Оренбургская область 58 1,47 173 4,38 Пензенская область 32 2,89 33 2,92 Самарская область 87 4,96 126 7,14 Саратовская область 222 6,23 1142 32,06 Ульяновская область 13 1,37 10 1,01 УРАЛЬСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Курганская область 23 1,67 1 0,04 Свердловская область 15 1,83 18 2,19
- 72. 72 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) Тюменская область 31 2,77 0,42 0,04 Челябинская область 11 0,56 11 0,56 СИБИРСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Алтай 1 0,35 0 0,00 Республика Бурятия 0 0,00 10 35,18 Республика Тыва 0 0,11 0 0,00 Республика Хакасия 0,28 0,11 0 0,00 Алтайский край 147 2,72 147 2,72 Забайкальский край 0,35 0,15 0,35 0,15 Красноярский край 15 1,02 0,33 0,02 Иркутская область 4 0,59 3 0,53 Кемеровская область 18 1,73 17 1,70 Новосибирская область 44 1,83 43 1,81 Омская область 60 2,10 58 2,02 Томская область 11 2,88 15 3,89 ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Саха (Якутия) 0 0,00 0,62 0,89 Камчатский край 0 0,00 0 0,00 Приморский край 0,11 0,03 0,11 0,03 Хабаровский край 0,02 0,02 0,16 0,21 Таблица А.3 - Доля зерновых и зернобобовых в посевной площади Факт Сценарий современного климата посевная площадь (тыс. га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) РОССИЙСКАЯ ФЕДЕРАЦИЯ ЦЕНТРАЛЬНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Белгородская область 748 54,38 855 62,15 Брянская область 313 43,04 236 32,44 Владимирская область 85 26,38 95 29,44 Воронежская область 1386 56,23 1544 62,61 Ивановская область 63 29,40 66 30,54 Калужская область 79 25,74 157 51,22 Костромская область 45 24,68 8 4,40 Курская область 950 64,73 1038 70,73
- 73. 73 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) Липецкая область 756 62,81 543 45,13 Московская область 94 18,35 73 14,22 Орловская область 774 71,15 38 3,48 Рязанская область 16 2,03 10 1,20 Смоленская область 125 27,64 169 37,46 Тамбовская область 892 60,83 431 29,38 Тверская область 79 12,29 23 3,60 Тульская область 456 63,77 395 55,22 Ярославская область 46 14,26 14 4,36 СЕВЕРО-ЗАПАДНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Карелия 0,06 0,20 1 2,61 Архангельская область 3 2,80 8 8,67 Вологодская область 119 27,88 219 51,18 Калининградская область 73 46,99 92 58,78 Ленинградская область 35 14,78 2 1,02 Новгородская область 12 6,60 0 0,00 Псковская область 24 10,42 3 1,18 ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Адыгея 110 50,03 176 79,99 Республика Калмыкия 181 84,49 157 73,29 Краснодарский край 2166 61,42 2537 71,94 Астраханская область 18 27,09 8 11,15 Волгоградская область 1963 71,17 1948 70,60 Ростовская область 3005 71,44 2969 70,58 СЕВЕРО-КАВКАЗСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Дагестан 85 34,37 10 3,90 Республика Ингушетия 39 54,92 38 53,17 Кабардино-Балкарская Республика 195 67,48 0 0,00 Карачаево-Черкесская Республика 74 56,18 94 70,61 Республика Северная Осетия-Алания 121 73,60 134 81,31 Чеченская Республика 100 58,50 89 52,43 Ставропольский край 2135 74,98 1380 48,46 ПРИВОЛЖСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Башкортостан 1695 56,04 2305 76,18 Республика Марий Эл 145 52,00 183 65,51 Республика Мордовия 426 60,08 383 53,93 Республика Татарстан 1555 53,15 1937 66,19 Удмуртская Республика 351 33,36 62 5,90 Чувашская Республика 228 43,20 396 74,88 Пермский край 254 35,01 12 1,71 Кировская область 324 39,53 464 56,70
- 74. 74 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) Нижегородская область 536 45,85 762 65,18 Оренбургская область 2788 70,50 3096 78,27 Пензенская область 597 53,11 833 74,17 Самарская область 930 52,90 1144 65,10 Саратовская область 2304 64,71 2614 73,42 Ульяновская область 567 59,23 698 72,95 УРАЛЬСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Курганская область 1164 84,04 371 26,76 Свердловская область 341 41,33 393 47,55 Тюменская область 697 63,16 857 77,59 Челябинская область 1409 72,44 1434 73,73 СИБИРСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Алтай 9 8,15 12 11,36 Республика Бурятия 101 56,72 0 0,00 Республика Тыва 19 65,77 16 53,03 Республика Хакасия 115 45,50 0 0,00 Алтайский край 3538 65,33 4689 86,59 Забайкальский край 143 61,19 168 72,00 Красноярский край 1002 67,75 823 55,63 Иркутская область 392 60,86 471 73,15 Кемеровская область 657 64,82 763 75,33 Новосибирская область 1626 67,68 2057 85,63 Омская область 2031 70,71 2220 77,30 Томская область 253 65,39 278 71,99 ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Саха (Якутия) 35 50,07 6 7,96 Камчатский край 0,05 0,23 0,05 0,24 Приморский край 119 31,60 257 68,54 Хабаровский край 9 11,31 3 3,39 Таблица А.4 - Доля подсолнечника в посевной площади Факт Сценарий современного климата посевная площадь (тыс. га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) РОССИЙСКАЯ ФЕДЕРАЦИЯ ЦЕНТРАЛЬНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ
- 75. 75 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) Белгородская область 185 13,42 0 0,00 Брянская область 2 0,13 Воронежская область 469 19,03 0 0,00 Курская область 128 8,72 0 0,00 Липецкая область 113 9,36 1 0,10 Московская область 2 0,29 2 0,30 Орловская область 32 2,92 0 0,00 Рязанская область 28 3,49 0 0,00 Тамбовская область 340 23,16 0 0,00 Тульская область 11 1,52 23 3,22 СЕВЕРО-ЗАПАДНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Карелия 0 0,00 0,06 0,20 ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Адыгея 82 37,22 44 19,99 Республика Калмыкия 9 4,25 39 18,12 Краснодарский край 474 13,43 0 0,00 Астраханская область 0,10 0,15 0,11 0,16 Волгоградская область 577 20,93 413 14,97 Ростовская область 621 14,77 0 0,00 СЕВЕРО-КАВКАЗСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Дагестан 8 3,43 0 0,00 Республика Ингушетия 23 8,07 0 0,00 Кабардино-Балкарская Республика 16 11,96 0 0,00 Карачаево-Черкесская Республика 3 1,99 2 1,34 Республика Северная Осетия-Алания 9 5,11 28 16,41 Чеченская Республика 292 10,24 0 0,00 ПРИВОЛЖСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Башкортостан 164 5,43 0 0,00 Республика Мордовия 3 0,47 0 0,00 Республика Татарстан 85 2,89 0 0,00 Нижегородская область 17 1,44 17 1,42 Оренбургская область 548 13,85 485 12,26 Пензенская область 146 12,97 73 6,49 Самарская область 453 25,76 206 11,70 Саратовская область 934 26,23 596 16,75 Ульяновская область 134 13,95 68 7,05 УРАЛЬСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Курганская область 11 0,82 0,17 0,01 Свердловская область 2 0,24 2 0,22 Тюменская область 0,1 0,01 0,09 0,01
- 76. 76 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) Челябинская область 39 2,01 42 2,16 СИБИРСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Алтай 0,1 0,09 0,08 0,08 Республика Тыва 0 0,00 0,19 0,64 Республика Хакасия 0,43 0,17 0 0,00 Алтайский край 523 9,65 0 0,00 Красноярский край 1 0,04 0,26 0,02 Иркутская область 1 0,09 1 0,12 Кемеровская область 0,19 0,02 0,19 0,02 Новосибирская область 15 0,64 15 0,62 Омская область 26 0,90 23 0,80 ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Саха (Якутия) 0 0,00 0,10 0,15 Приморский край 0,04 0,01 0,05 0,01 Хабаровский край 0,04 0,05 0,05 0,06 Амурская область 0,10 0,01 0,10 0,01 Таблица А.5 - Доля сахарной свеклы в посевной площади Факт Сценарий современного климата посевная площадь (тыс. га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) РОССИЙСКАЯ ФЕДЕРАЦИЯ ЦЕНТРАЛЬНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Белгородская область 103 7,50 138 10,00 Брянская область 4 0,61 30 4,16 Воронежская область 149 6,04 247 10,00 Курская область 112 7,63 147 10,00 Липецкая область 84 6,99 119 9,90 Орловская область 45 4,16 109 10,00 Рязанская область 13 1,68 80 10,00 Тамбовская область 111 7,55 147 10,00 Тульская область 6 0,86 29 4,09 СЕВЕРО-ЗАПАДНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Карелия 0 0,00 0,06 0,20 ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ
- 77. 77 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) Республика Адыгея 0,02 0,01 0,01 0,01 Республика Калмыкия 0,02 0,01 0,02 0,01 Краснодарский край 193 5,48 573 16,25 Астраханская область 0,02 0,02 0,02 0,02 Ростовская область 16 0,37 61 1,44 СЕВЕРО-КАВКАЗСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Дагестан 0,02 0,01 0,10 0,04 Республика Ингушетия 0,02 0,03 0,02 0,03 Карачаево-Черкесская Республика 10 7,43 13 10,00 Республика Северная Осетия-Алания 0,02 0,01 0,02 0,01 Чеченская Республика 5 2,75 0 0,00 Ставропольский край 37 1,29 278 9,74 ПРИВОЛЖСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Башкортостан 54 1,80 129 4,25 Республика Марий Эл 0,02 0,01 0,02 0,01 Республика Мордовия 22 3,06 71 10,00 Республика Татарстан 61 2,09 65 2,21 Чувашская Республика 2 0,38 2 0,44 Нижегородская область 10 0,86 12 1,05 Оренбургская область 1 0,03 1 0,03 Пензенская область 58 5,18 39 3,51 Самарская область 0,4 0,02 0,4 0,02 Саратовская область 6 0,18 6 0,18 Ульяновская область 20 2,10 28 2,95 СИБИРСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Алтай 0,02 0,02 0,02 0,02 Республика Тыва 0 0,00 0 0,64 Алтайский край 15 0,28 20 0,37 Забайкальский край 19 8,14 0 0,00 ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Саха (Якутия) 0 0,00 0,10 0,15 Хабаровский край 0 0,00 0,03 0,04
- 78. 78 Таблица А.6 -Доля кукурузы на зерно в посевной площади Факт Сценарий современного климата посевная площадь (тыс. га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) РОССИЙСКАЯ ФЕДЕРАЦИЯ ЦЕНТРАЛЬНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Белгородская область 126 9,15 244 17,75 Брянская область 7 0,90 8 1,05 Воронежская область 127 5,16 185 7,51 Курская область 90 6,15 152 10,33 Липецкая область 55 4,57 22 1,84 Московская область 1 0,24 1 0,24 Орловская область 22 1,98 37 3,38 Рязанская область 9 1,09 18 2,30 Смоленская область 1 0,13 3 0,75 Тамбовская область 28 1,89 1 0,04 Тульская область 5 0,66 0 0,00 СЕВЕРО-ЗАПАДНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Карелия 0 0,00 0,06 0,20 Калининградская область 6 3,87 9 5,95 ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Адыгея 23 10,32 0 0,00 Краснодарский край 657 18,63 0 0,00 Астраханская область 0,01 0,01 0,01 0,01 Волгоградская область 54 1,96 45 1,63 Ростовская область 220 5,24 0 0,00 СЕВЕРО-КАВКАЗСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Дагестан 17 7,01 0 0,00 Республика Ингушетия 18 25,07 0 0,00 Кабардино-Балкарская Республика 107 37,18 0 0,00 Карачаево-Черкесская Республика 29 21,93 84 63,70 Республика Северная Осетия-Алания 83 50,65 126 76,37 Чеченская Республика 7 3,84 11 6,20 Ставропольский край 155 5,45 0 0,00 ПРИВОЛЖСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Башкортостан 1 0,03 1 0,03 Республика Мордовия 6 0,85 17 2,42 Республика Татарстан 60 2,04 0 0,00 Чувашская Республика 0,45 0,09 0,43 0,08
- 79. 79 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) Пермский край 0,04 0,01 0,04 0,01 Нижегородская область 2 0,16 2 0,16 Оренбургская область 35 0,88 47 1,20 Пензенская область 8 0,67 8 0,72 Самарская область 12 0,66 11 0,64 Саратовская область 29 0,81 32 0,89 Ульяновская область 9 0,97 3 0,36 УРАЛЬСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Свердловская область 0,34 0,04 0,34 0,04 Челябинская область 2 0,10 2 0,10 СИБИРСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Тыва 0 0,00 0,19 0,64 Алтайский край 0,53 0,01 0,53 0,01 Новосибирская область 0,31 0,01 0,31 0,01 Омская область 1,27 0,04 1,27 0,04 ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Саха (Якутия) 0 0,00 0,10 0,15 Приморский край 27 7,22 0 0,00 Хабаровский край 0,45 0,58 0,32 0,41 Амурская область 16 1,56 33 3,34 Еврейская автономная область Таблица А.7 - Доля картофеля в посевной площади Факт Сценарий современного климата посевная площадь (тыс. га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) РОССИЙСКАЯ ФЕДЕРАЦИЯ ЦЕНТРАЛЬНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Белгородская область 54 3,93 138 10,00 Брянская область 56 7,65 73 10,00 Владимирская область 26 8,19 32 10,00 Воронежская область 100 4,06 247 10,00 Ивановская область 11 5,25 22 10,00 Калужская область 24 7,69 31 10,00 Костромская область 11 5,87 18 10,00
- 80. 80 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) Курская область 64 4,34 147 10,00 Липецкая область 50 4,18 120 10,00 Московская область 50 9,68 51 10,00 Орловская область 34 3,11 109 10,00 Рязанская область 29 3,67 80 10,00 Смоленская область 20 4,43 45 10,00 Тамбовская область 39 2,67 147 10,00 Тверская область 24 3,72 48 7,51 Тульская область 53 7,39 71 10,00 Ярославская область 15 4,71 33 10,00 г. Москва СЕВЕРО-ЗАПАДНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Карелия 5 17,57 0 0,00 Республика Коми 8 19,96 4 10,00 Архангельская область 11 11,23 10 10,00 Вологодская область 19 4,37 43 10,00 Калининградская область 9 5,66 16 10,00 Ленинградская область 20 8,31 0 0,00 Мурманская область 1 11,27 1 10,00 Новгородская область 22 11,89 19 10,00 Псковская область 12 5,03 23 10,00 ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Адыгея 3 1,37 0 0,00 Республика Калмыкия 1 0,32 4 1,87 Краснодарский край 59 1,68 132 3,75 Астраханская область 14 20,63 0 0,00 Волгоградская область 35 1,26 139 5,02 Ростовская область 37 0,88 366 8,70 СЕВЕРО-КАВКАЗСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Дагестан 22 8,85 25 10,00 Республика Ингушетия 12 16,58 7 10,00 Кабардино-Балкарская Республика 14 4,86 29 10,00 Карачаево-Черкесская Республика 17 12,69 13 10,00 Республика Северная Осетия-Алания 9 5,75 16 10,00 Чеченская Республика 5 2,75 0 0,00 Ставропольский край 30 1,05 285 10,00 ПРИВОЛЖСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Башкортостан 94 3,12 303 10,00 Республика Марий Эл 21 7,56 28 10,00 Республика Мордовия 24 3,35 71 10,00 Республика Татарстан 81 2,75 293 10,00
- 81. 81 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) Удмуртская Республика 39 3,69 105 10,00 Чувашская Республика 48 9,08 53 10,00 Пермский край 43 5,94 73 10,00 Кировская область 20 2,42 82 10,00 Нижегородская область 61 5,19 117 10,00 Оренбургская область 19 0,48 305 7,71 Пензенская область 40 3,60 112 10,00 Самарская область 32 1,85 146 8,28 Саратовская область 27 0,75 109 3,07 Ульяновская область 23 2,37 96 10,00 УРАЛЬСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Курганская область 25 1,81 139 10,00 Свердловская область 53 6,37 83 10,00 Тюменская область 35 3,21 110 10,00 Челябинская область 54 2,76 176 9,06 СИБИРСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Алтай 3 3,04 11 10,00 Республика Бурятия 13 7,40 0 0,00 Республика Тыва 3 10,17 3 10,00 Республика Хакасия 12 4,75 0 0,00 Алтайский край 67 1,23 339 6,27 Забайкальский край 19 8,06 23 10,00 Красноярский край 72 4,86 148 10,00 Иркутская область 41 6,41 64 10,00 Кемеровская область 48 4,76 101 10,00 Новосибирская область 38 1,59 204 8,48 Омская область 46 1,59 287 10,00 Томская область 16 4,10 39 10,00 ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Саха (Якутия) 8 12,05 0 0,00 Камчатский край 3 13,43 2 10,00 Приморский край 32 8,64 38 10,00 Хабаровский край 18 22,53 7 9,13 Амурская область 21 2,13 100 10,00
- 82. 82 Таблица А.8 -Доля овощей в посевной площади Факт Сценарий современного климата посевная площадь (тыс. га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) РОССИЙСКАЯ ФЕДЕРАЦИЯ ЦЕНТРАЛЬНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Белгородская область 70 5,12 201 14,64 Брянская область 63 8,61 425 58,53 Владимирская область 36 11,30 99 30,59 Воронежская область 123 5,00 627 25,43 Ивановская область 15 6,78 52 24,08 Калужская область 29 9,50 75 24,52 Костромская область 15 7,94 38 20,74 Курская область 72 4,89 187 12,72 Липецкая область 60 4,97 517 42,96 Московская область 69 13,43 200 39,00 Орловская область 39 3,57 163 14,96 Рязанская область 36 4,52 195 24,40 Смоленская область 24 5,24 117 25,93 Тамбовская область 46 3,16 883 60,18 Тверская область 28 4,38 57 8,84 Тульская область 60 8,44 264 36,91 Ярославская область 20 6,13 59 18,21 СЕВЕРО-ЗАПАДНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Карелия 6 19,78 9 28,24 Республика Коми 8 21,64 9 24,97 Архангельская область 12 12,58 20 20,77 Вологодская область 21 4,82 192 44,79 Калининградская область 11 7,32 26 16,62 Ленинградская область 27 11,61 161 68,28 Мурманская область 1 11,93 1 10,70 Новгородская область 26 13,77 188 100,00 Псковская область 14 6,00 63 27,01 ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Адыгея 8 3,82 0 0,00 Республика Калмыкия 2 0,90 18 8,21 Краснодарский край 126 3,56 389 11,04 Астраханская область 36 53,33 44 64,88 Волгоградская область 62 2,27 271 9,84 Ростовская область 75 1,77 1140 27,10
- 83. 83 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) СЕВЕРО-КАВКАЗСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Дагестан 62 25,18 237 95,77 Республика Ингушетия 16 22,47 26 35,79 Кабардино-Балкарская Республика 33 11,45 289 100,00 Карачаево-Черкесская Республика 19 14,43 16 12,19 Республика Северная Осетия-Алания 13 7,86 22 13,09 Чеченская Республика 5 2,75 0 0,00 Ставропольский край 30 1,05 285 10,00 ПРИВОЛЖСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Башкортостан 110 3,65 540 17,86 Республика Марий Эл 27 9,73 73 26,12 Республика Мордовия 30 4,25 218 30,69 Республика Татарстан 92 3,15 921 31,49 Удмуртская Республика 45 4,32 254 24,17 Чувашская Республика 53 10,03 124 23,44 Пермский край 51 7,02 386 53,19 Кировская область 23 2,84 99 12,14 Нижегородская область 72 6,18 166 14,24 Оренбургская область 27 0,67 352 8,89 Пензенская область 50 4,49 138 12,24 Самарская область 46 2,60 171 9,75 Саратовская область 44 1,25 197 5,52 Ульяновская область 29 3,05 132 13,75 УРАЛЬСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Курганская область 32 2,32 357 25,77 Свердловская область 59 7,11 110 13,36 Тюменская область 42 3,77 246 22,31 Челябинская область 68 3,47 199 10,21 СИБИРСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Алтай 4 4,05 11 10,00 Республика Бурятия 15 8,59 0 0,00 Республика Тыва 3 11,40 3 10,00 Республика Хакасия 15 5,93 0 0,00 Алтайский край 79 1,46 364 6,71 Забайкальский край 21 9,04 26 11,21 Красноярский край 81 5,47 655 44,32 Иркутская область 48 7,43 147 22,79 Кемеровская область 57 5,63 137 13,56 Новосибирская область 46 1,93 215 8,97 Омская область 56 1,94 290 10,10
- 84. 84 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) Томская область 19 4,97 103 26,54 ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Саха (Якутия) 11 15,13 10 14,33 Камчатский край 4 16,54 6 27,67 Приморский край 43 11,47 113 30,19 Хабаровский край 22 27,48 63 80,55 Амурская область 26 2,56 113 11,30 Таблица А.9 - Доля кормовых в посевной площади Факт Сценарий современного климата посевная площадь (тыс. га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) РОССИЙСКАЯ ФЕДЕРАЦИЯ ЦЕНТРАЛЬНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Белгородская область 96 6,99 20 1,43 Брянская область 131 18,08 0 0,00 Владимирская область 69 21,34 90 27,80 Воронежская область 187 7,58 5 0,21 Ивановская область 26 12,24 22 10,30 Калужская область 51 16,67 44 14,47 Костромская область 13 7,15 5 2,51 Курская область 77 5,27 18 1,24 Липецкая область 57 4,78 1 0,10 Московская область 84 16,47 52 10,18 Орловская область 61 5,57 0 0,00 Рязанская область 88 10,97 0,40 0,05 Смоленская область 65 14,45 7 1,63 Тамбовская область 29 1,96 1 0,10 Тверская область 53 8,32 17 2,67 Тульская область 44 6,17 1 0,16 Ярославская область 32 9,92 19 5,78 г. Москва СЕВЕРО-ЗАПАДНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Карелия 4 12,71 2 6,60 Республика Коми 5 13,92 6 15,65 Архангельская область 12 12,94 13 13,18 Вологодская область 23 5,44 17 4,02
- 85. 85 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) Калининградская область 2 1,35 2 1,24 Ленинградская область 21 8,76 2 0,82 Мурманская область 4 43,81 4 48,73 Новгородская область 15 8,03 0 0,00 Псковская область 16 6,72 7 3,04 ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Адыгея 4 1,83 0,02 0,01 Республика Калмыкия 14 6,64 0,03 0,01 Краснодарский край 213 6,03 3 0,07 Астраханская область 5 6,76 5 7,44 Волгоградская область 64 2,33 52 1,87 Ростовская область 93 2,21 2 0,04 СЕВЕРО-КАВКАЗСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Дагестан 36 14,70 0 0,00 Республика Ингушетия 6 8,11 0,25 0,35 Кабардино-Балкарская Республика 24 8,45 0 0,00 Карачаево-Черкесская Республика 7 5,52 5 3,73 Республика Северная Осетия-Алания 15 8,90 1 0,81 Чеченская Республика 36 21,01 2 1,24 Ставропольский край 115 4,03 2 0,06 ПРИВОЛЖСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Башкортостан 361 11,93 11 0,38 Республика Марий Эл 25 8,83 20 7,06 Республика Мордовия 86 12,10 1 0,10 Республика Татарстан 490 16,75 2 0,05 Удмуртская Республика 196 18,63 233 22,16 Чувашская Республика 61 11,59 4 0,78 Пермский край 45 6,19 5 0,70 Кировская область 80 9,74 64 7,87 Нижегородская область 135 11,53 111 9,45 Оренбургская область 261 6,60 9 0,24 Пензенская область 95 8,47 16 1,41 Самарская область 123 7,00 91 5,17 Саратовская область 122 3,44 97 2,71 Ульяновская область 105 10,96 7 0,70 УРАЛЬСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Курганская область 69 4,99 0 0,00 Свердловская область 120 14,59 120 14,52 Тюменская область 136 12,33 1 0,05 Челябинская область 203 10,44 137 7,03
- 86. 86 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) СИБИРСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Алтай 33 31,43 54 50,96 Республика Бурятия 44 24,78 0 0,00 Республика Тыва 5 18,04 8 26,04 Республика Хакасия 48 18,97 0 0,00 Алтайский край 534 9,86 196 3,61 Забайкальский край 27 11,67 20 8,38 Красноярский край 188 12,72 0,17 0,01 Иркутская область 74 11,54 22 3,38 Кемеровская область 106 10,50 42 4,11 Новосибирская область 337 14,03 77 3,21 Омская область 321 11,19 145 5,06 Томская область 23 5,89 1 0,31 ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Саха (Якутия) 19 27,29 47 67,64 Камчатский край 3 11,84 3 13,23 Приморский край 12 3,30 5 1,26 Хабаровский край 20 25,97 7 9,46 Амурская область 20 2,00 7 0,65 Таблица А.10 - Доля многолетних трав в посевной площади Факт Сценарий современного климата посевная площадь (тыс. га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) РОССИЙСКАЯ ФЕДЕРАЦИЯ ЦЕНТРАЛЬНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Белгородская область 80 5,83 0 0,00 Брянская область 194 26,70 0 0,00 Владимирская область 129 39,94 36 11,04 Воронежская область 105 4,27 0 0,00 Ивановская область 26 12,24 22 10,30 Калужская область 146 47,54 28 9,23 Костромская область 108 58,96 132 72,22 Курская область 40 2,71 3 0,22 Липецкая область 47 3,91 0 0,00 Московская область 262 51,09 184 35,93
- 87. 87 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) Орловская область 64 5,89 0 0,00 Рязанская область 91 11,39 0 0,00 Смоленская область 223 49,34 136 30,23 Тамбовская область 31 2,12 0 0,00 Тверская область 476 74,06 545 84,87 Тульская область 66 9,19 0 0,00 Ярославская область 223 68,47 230 70,85 СЕВЕРО-ЗАПАДНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Карелия 21 67,31 19 61,32 Республика Коми 24 64,41 23 59,37 Архангельская область 69 71,67 55 57,39 Вологодская область 256 59,71 0 0,00 Калининградская область 33 21,05 0 0,00 Ленинградская область 153 64,84 70 29,87 Мурманская область 4 44,27 3 40,57 Новгородская область 133 70,99 0 0,00 Псковская область 180 76,58 161 68,47 ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Адыгея 9 3,98 0 0,00 Республика Калмыкия 8 3,51 0 0,00 Краснодарский край 149 4,23 0 0,00 Астраханская область 9 12,64 10 15,04 Волгоградская область 40 1,45 33 1,20 Ростовская область 104 2,47 0 0,00 СЕВЕРО-КАВКАЗСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Дагестан 55 22,26 0 0,00 Республика Ингушетия 1 0,76 0,37 0,53 Кабардино-Балкарская Республика 3 0,96 0 0,00 Карачаево-Черкесская Республика 4 2,73 2 1,86 Республика Северная Осетия-Алания 3 1,92 2 1,23 Чеченская Республика 9 5,43 11 6,34 Ставропольский край 53 1,86 0 0,00 ПРИВОЛЖСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Башкортостан 591 19,55 0 0,00 Республика Марий Эл 79 28,21 0 0,00 Республика Мордовия 129 18,20 0 0,00 Республика Татарстан 482 16,48 0 0,00 Удмуртская Республика 452 43,00 498 47,32 Чувашская Республика 181 34,34 0 0,00 Пермский край 372 51,18 317 43,70
- 88. 88 Факт Сценарий современного климата посевная площадь (тыс.га) доля в посевной площади ( % ) посевная площадь (тыс. га) доля в посевной площади ( % ) Кировская область 385 47,02 183 22,32 Нижегородская область 327 27,94 0 0,00 Оренбургская область 317 8,02 0 0,00 Пензенская область 151 13,43 0 0,00 Самарская область 132 7,52 77 4,37 Саратовская область 108 3,02 9 0,24 Ульяновская область 75 7,78 0 0,00 УРАЛЬСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Курганская область 74 5,33 0 0,00 Свердловская область 287 34,73 180 21,76 Тюменская область 157 14,23 0 0,00 Челябинская область 214 10,98 119 6,12 СИБИРСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Алтай 58 55,31 29 27,59 Республика Бурятия 17 9,28 0 0,00 Республика Тыва 1 4,78 2 6,43 Республика Хакасия 70 27,79 0 0,00 Алтайский край 564 10,41 0 0,00 Забайкальский край 16 6,89 13 5,48 Красноярский край 192 12,97 0 0,00 Иркутская область 126 19,61 0 0,00 Кемеровская область 132 13,04 17 1,66 Новосибирская область 337 14,05 0 0,00 Омская область 327 11,38 89 3,09 Томская область 85 21,95 0 0,00 ДАЛЬНЕВОСТОЧНЫЙ ФЕДЕРАЛЬНЫЙ ОКРУГ Республика Саха (Якутия) 4 6,08 6 8,53 Камчатский край 16 71,39 13 58,87 Приморский край 30 7,97 0 0,00 Хабаровский край 13 17,10 5 6,22 Амурская область 48 4,76 0 0,00
- 89. 89 П Р ИЛ О Ж Е Н И Е Б Прогнозы потребления основных продуктов питания по регионам России
- 90. 90 Таблица Б.1-Прогноз потреблениякартофеля в зависимости от доходов населения и цен на картофель, кг на человека в год. Регионы РФ 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2020 к 2010 в % Алтайский край 144 135 135 134 134 133 133 133 132 132 92 Амурская область 144 144 142 141 140 139 138 137 137 136 94 Архангельская область 76 72 71 71 71 71 71 70 70 70 94 Астраханская область 116 124 126 128 130 132 134 137 139 141 122 Белгородская область 114 120 119 118 118 117 116 116 115 114 110 Брянская область 168 163 162 162 161 160 160 159 159 158 97 Владимирская область 125 127 127 127 126 126 126 126 125 125 103 Волгоградская область 135 152 152 152 153 154 155 156 157 158 120 Вологодская область 100 87 86 85 84 83 81 80 79 78 91 Воронежская область 121 130 129 128 127 127 126 125 125 124 113 Еврейская автономная область 181 181 180 181 181 181 182 182 182 183 102 Забайкальский край 105 97 96 96 95 94 94 93 93 92 88 Ивановская область 80 76 75 74 74 73 72 72 71 71 101 Иркутская область 127 118 116 115 113 112 111 110 109 107 87 Кабардино-Балкарская Республика 120 136 135 135 136 136 137 137 138 138 117 Калининградская область 116 125 126 127 128 129 130 131 132 133 117 Калужская область 114 111 110 109 109 108 107 106 106 105 94 Камчатский край 85 92 92 92 92 92 92 92 92 92 109 Карачаево-Черкесская Республика 160 152 152 153 154 154 155 156 157 158 109 Кемеровская область 131 132 133 134 135 136 138 139 140 141 109 Кировская область 89 85 84 84 83 82 81 80 80 79 89 Костромская область 112 104 103 102 101 101 100 99 98 98 95 Краснодарский край 88 85 85 85 85 85 86 86 86 86 103 Красноярский край 199 205 205 205 205 206 206 206 206 206 102 Курганская область 97 88 87 87 86 85 84 83 83 82 91 Курская область 129 137 136 135 135 134 133 133 132 132 105 Ленинградская область 87 83 83 82 82 82 81 81 80 80 94 Липецкая область 116 115 114 113 113 112 111 111 110 110 98 Магаданская область 72 65 65 65 64 64 64 63 63 63 88 Московская область 111 113 112 112 112 112 112 112 112 112 111 Мурманская область 66 72 72 73 73 74 74 75 75 76 115 Нижегородская область 98 85 84 84 83 82 82 81 80 80 81 Новгородская область 137 132 129 128 128 127 126 125 124 124 94 Новосибирская область 108 87 86 86 85 85 84 84 83 83 76 Омская область 132 146 144 143 142 141 140 139 138 137 106 Оренбургская область 97 107 107 106 106 106 106 106 106 106 136 Орловская область 158 180 179 178 178 178 177 177 176 176 127 Пензенская область 117 134 133 133 132 132 131 131 131 130 105 Пермский край 107 101 101 100 100 100 99 99 98 98 93
- 91. 91 Регионы РФ 20112012 2013 2014 2015 2016 2017 2018 2019 2020 2020 к 2010 в % Приморский край 128 126 125 125 125 124 124 124 124 124 100 Псковская область 79 78 77 75 74 73 72 71 70 68 90 Республика Адыгея 62 59 58 57 57 56 55 55 54 53 87 Республика Алтай 155 143 142 142 142 142 142 142 143 143 92 Республика Башкортостан 127 16 16 16 15 15 15 15 15 14 16 Республика Бурятия 99 100 99 99 99 98 98 98 98 98 102 Республика Дагестан 92 92 91 92 92 92 92 93 93 93 106 Республика Ингушетия 120 140 140 141 142 142 143 144 145 146 129 Республика Калмыкия 47 43 42 42 42 42 42 42 42 42 96 Республика Карелия 111 93 93 93 93 94 94 94 94 94 92 Республика Коми 56 60 59 58 57 56 55 54 53 52 92 Республика Марий Эл 166 156 155 154 154 153 153 152 151 151 92 Республика Мордовия 103 140 138 136 135 133 132 130 129 127 125 Республика Саха (Якутия) 84 75 75 75 75 75 75 75 75 75 91 Республика Северная Осетия - Алания 97 107 106 106 106 106 106 105 105 105 110 Республика Татарстан 162 172 172 172 172 172 172 172 172 173 114 Республика Тыва 102 83 81 81 82 82 83 83 84 84 86 Республика Хакасия 119 112 112 111 111 110 110 110 109 109 91 Ростовская область 92 100 100 100 100 100 100 100 100 100 109 Рязанская область 110 124 123 122 121 120 119 119 118 117 114 Самарская область 105 131 131 131 131 131 132 132 132 133 126 Саратовская область 93 102 100 99 98 97 96 96 95 94 177 Сахалинская область 125 130 130 130 130 130 130 131 131 131 108 Свердловская область 93 94 94 93 93 93 93 92 92 92 103 Смоленская область 112 111 110 109 108 107 106 105 104 103 108 Ставропольский край 120 126 126 126 127 128 129 129 130 131 113 Тамбовская область 130 145 144 142 141 140 139 138 137 136 111 Тверская область 103 95 95 94 93 93 92 92 91 91 91 Томская область 121 116 116 115 115 115 115 115 114 114 95 Тульская область 151 125 124 123 123 122 121 121 120 120 96 Тюменская область 98 98 97 97 97 97 96 96 96 96 95 Удмуртская Республика 133 122 123 123 122 122 122 122 121 121 93 Ульяновская область 103 92 92 92 91 91 91 90 90 90 94 Хабаровский край 142 142 142 142 143 143 143 144 144 144 101 Челябинская область 141 139 138 138 139 139 139 140 140 141 106 Чувашская Республика 184 176 176 175 174 174 173 173 172 172 91 Ярославская область 91 92 91 90 90 89 89 88 88 87 97
- 92. 92 Таблица Б.2-Прогноз потреблениямолока и молочных продуктов в зависимости от доходов населения и цен на молоко разливное, кг на человека в год. Регионы РФ 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2020 к 2010 в % Алтайский край 334 318 316 315 315 315 315 315 315 315 95 Амурская область 166 148 146 145 145 144 143 142 141 141 91 Архангельская область 158 132 132 131 131 131 130 130 129 129 81 Астраханская область 212 219 220 221 222 223 224 225 226 227 106 Белгородская область 259 251 247 246 245 244 243 242 241 240 90 Брянская область 219 237 237 236 236 235 234 234 233 232 107 Владимирская область 207 205 205 205 205 206 206 206 207 207 100 Волгоградская область 201 200 199 198 198 198 198 197 197 197 98 Вологодская область 234 237 236 236 235 235 235 235 235 234 99 Воронежская область 263 251 251 252 252 253 253 253 254 254 100 Еврейская автономная область 189 182 183 184 185 186 187 187 188 189 101 Забайкальский край 246 248 248 249 250 250 251 251 252 253 103 Ивановская область 180 178 177 177 176 176 175 175 174 174 96 Иркутская область 198 190 190 191 191 192 193 193 194 195 102 Кабардино-Балкарская Республика 275 268 268 269 269 270 271 271 272 272 99 Калининградская область 249 238 237 238 238 238 238 239 239 239 98 Калужская область 223 219 217 216 215 214 213 212 211 210 94 Камчатский край 168 153 152 152 153 153 153 154 154 154 94 Карачаево-Черкесская Республика 383 371 373 376 378 381 384 387 389 392 107 Кемеровская область 228 216 215 214 214 214 214 213 213 213 94 Кировская область 284 278 277 276 276 275 275 274 274 273 97 Костромская область 206 201 199 198 196 195 194 193 191 190 92 Краснодарский край 222 230 230 232 233 234 235 236 238 239 108 Красноярский край 242 227 226 225 225 224 224 224 223 223 90 Курганская область 285 285 286 286 287 287 288 288 289 289 101 Курская область 237 228 227 226 226 225 225 224 224 224 95 Ленинградская область 290 279 277 278 279 280 281 282 283 284 96 Липецкая область 229 217 216 215 215 214 214 213 213 212 94 Магаданская область 235 215 209 208 209 209 209 209 209 210 91 Московская область 248 241 239 238 238 237 236 236 235 234 91 Мурманская область 256 268 271 277 282 288 293 299 305 311 124 Нижегородская область 239 219 219 218 218 218 218 218 217 217 92 Новгородская область 268 254 251 251 251 251 251 251 251 251 97 Новосибирская область 289 287 286 285 285 285 285 285 285 285 98 Омская область 343 339 334 332 331 330 329 328 327 326 95 Оренбургская область 307 313 313 314 314 315 316 316 317 317 102 Орловская область 209 202 201 200 200 199 198 198 197 196 92 Пензенская область 285 283 284 284 285 286 287 288 289 290 105 Пермский край 228 217 217 216 216 216 216 215 215 215 94 Приморский край 149 154 156 158 160 163 165 168 170 173 117 Псковская область 277 261 260 259 258 258 257 256 256 255 96 Республика Адыгея 219 217 216 216 216 216 216 216 217 217 97
- 93. 93 Регионы РФ 20112012 2013 2014 2015 2016 2017 2018 2019 2020 2020 к 2010 в % Республика Алтай 275 253 251 250 249 249 248 248 247 247 90 Республика Башкортостан 307 342 341 341 341 341 341 342 342 342 103 Республика Бурятия 262 263 259 259 259 260 260 261 261 262 99 Республика Дагестан 211 181 180 179 180 180 180 180 180 180 91 Республика Ингушетия 198 190 190 189 190 190 190 190 190 190 96 Республика Калмыкия 280 382 382 386 390 394 399 403 407 412 149 Республика Карелия 234 206 205 205 205 204 204 204 204 204 88 Республика Коми 270 212 210 210 210 210 210 210 210 211 80 Республика Марий Эл 289 309 307 305 305 304 303 302 301 300 100 Республика Мордовия 294 295 295 295 294 294 293 293 293 292 100 Республика Саха (Якутия) 282 273 273 274 275 275 276 277 277 278 97 Республика Северная Осетия - Алания 225 237 236 235 235 235 235 234 234 234 105 Республика Татарстан 367 350 349 349 349 350 350 350 350 351 95 Республика Тыва 178 166 166 166 166 166 166 165 165 165 94 Республика Хакасия 263 240 238 238 237 237 236 236 235 235 94 Ростовская область 268 236 235 235 236 236 236 237 237 237 90 Рязанская область 257 248 248 247 246 246 245 245 244 244 94 Самарская область 240 219 218 218 217 217 217 217 216 216 90 Саратовская область 324 295 292 290 289 288 287 285 284 283 91 Сахалинская область 195 199 198 198 198 198 198 198 198 198 100 Свердловская область 240 224 223 223 223 223 224 224 224 224 93 Смоленская область 239 230 230 229 229 228 228 227 227 226 97 Ставропольский край 206 190 187 186 186 186 185 185 184 184 89 Тамбовская область 185 189 188 188 187 187 186 185 185 184 96 Тверская область 250 249 248 248 248 248 247 247 247 246 99 Томская область 263 240 236 236 236 236 236 237 237 237 91 Тульская область 150 166 165 165 165 164 164 163 163 162 108 Тюменская область 172 151 151 150 150 149 149 148 148 147 86 Удмуртская Республика 265 261 260 260 260 260 259 259 259 259 98 Ульяновская область 229 223 222 222 221 221 220 220 219 219 98 Хабаровский край 207 185 184 183 183 183 183 183 183 183 88 Челябинская область 187 187 186 186 185 185 184 184 184 183 92 Чувашская Республика 256 249 248 247 246 245 244 244 243 242 95 Ярославская область 247 235 235 234 234 234 234 234 234 233 93
- 94. 94 Таблица Б.3 -Прогноз потребления мяса и мясопродуктов без субпродуктов II категории и жира-сырца в зависимости от доходов населения и цен на говядину, кг на человека в год. Регионы РФ 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2020 к 2010 в % Алтайский край 60 59 59 58 58 58 58 58 58 58 101 Амурская область 57 57 58 59 60 61 61 62 62 63 119 Архангельская область 48 48 47 47 47 47 47 47 47 47 95 Астраханская область 71 72 72 72 72 72 73 73 73 73 99 Белгородская область 91 93 95 96 97 97 98 99 100 101 109 Брянская область 58 58 58 58 58 58 57 57 57 57 97 Владимирская область 49 50 50 50 50 50 50 50 50 50 99 Волгоградская область 63 62 61 60 59 58 57 57 56 56 84 Вологодская область 64 66 66 67 68 69 69 70 70 71 110 Воронежская область 65 66 68 69 70 71 72 72 73 74 116 Еврейская автономная область 48 49 50 51 52 53 53 54 54 55 114 Забайкальский край 65 65 65 65 64 64 64 64 64 64 97 Ивановская область 55 55 56 56 57 57 57 58 58 58 107 Иркутская область 60 61 61 62 62 63 63 64 64 64 107 Кабардино-Балкарская Республика 47 47 48 48 48 48 48 48 48 48 100 Калининградская область 78 79 80 81 82 84 85 86 86 87 113 Калужская область 64 65 65 65 65 65 65 65 65 65 99 Камчатский край 64 64 65 65 65 65 65 65 65 65 101 Карачаево-Черкесская Республика 47 44 41 39 37 36 34 33 32 31 57 Кемеровская область 59 60 60 61 62 62 63 63 64 64 111 Кировская область 59 59 59 59 59 58 58 58 58 58 97 Костромская область 40 41 41 41 41 41 41 41 41 41 100 Краснодарский край 69 71 72 72 72 72 73 73 73 73 98 Красноярский край 69 69 68 68 68 67 67 67 67 67 93 Курганская область 67 67 67 67 67 67 67 67 67 67 99 Курская область 66 66 67 67 67 68 68 68 69 69 105 Ленинградская область 61 62 62 62 63 63 63 63 63 63 102 Липецкая область 65 65 65 65 65 65 64 64 64 64 95 Магаданская область 72 73 73 74 75 75 76 76 76 77 110 Московская область 85 85 85 85 85 85 85 85 85 85 99 Мурманская область 49 48 47 46 46 45 45 44 44 43 84 Нижегородская область 56 56 55 54 54 53 52 52 51 51 81 Новгородская область 63 64 65 65 66 66 67 67 68 68 108 Новосибирская область 53 52 52 51 51 51 51 50 50 50 94 Омская область 77 77 78 78 79 79 80 80 80 81 106 Оренбургская область 60 60 59 59 58 58 58 58 57 57 90 Орловская область 81 81 81 82 82 82 83 83 83 83 103 Пензенская область 56 55 54 53 52 51 51 50 49 49 80 Пермский край 55 55 55 55 55 55 55 55 55 55 99
- 95. 95 Регионы РФ 2011 20122013 2014 2015 2016 2017 2018 2019 2020 2020 к 2010 в % Приморский край 59 60 61 61 62 62 63 63 64 64 110 Псковская область 71 72 73 73 73 74 74 74 75 75 105 Республика Адыгея 57 59 60 60 61 62 62 63 63 64 112 Республика Алтай 73 73 73 73 73 73 73 73 73 73 101 Республика Башкортостан 62 59 56 53 51 49 46 44 41 38 58 Республика Бурятия 57 57 57 57 56 56 56 56 56 55 94 Республика Дагестан 32 30 29 28 27 26 26 25 25 24 71 Республика Ингушетия 52 58 61 63 65 66 68 69 70 70 131 Республика Калмыкия 132 144 149 154 158 161 164 166 168 170 123 Республика Коми 65 62 60 58 55 53 50 47 44 40 61 Республика Марий Эл 73 79 81 82 83 84 84 84 85 85 107 Республика Мордовия 57 56 54 53 52 51 50 49 48 48 77 Республика Северная Осетия - Алания 68 72 75 77 78 80 81 82 83 84 123 Республика Татарстан 64 65 64 63 63 62 62 62 61 61 88 Республика Тыва 45 44 42 41 40 39 38 38 37 36 76 Республика Хакасия 65 66 66 66 66 66 66 67 67 67 101 Ростовская область 59 60 59 59 59 59 58 58 58 58 93 Рязанская область 57 58 58 58 58 58 58 58 58 58 101 Самарская область 55 55 54 54 53 53 53 53 52 52 90 Саратовская область 57 57 57 56 56 56 55 55 55 55 91 Сахалинская область 80 80 79 78 78 77 77 76 76 76 92 Свердловская область 66 66 66 66 66 66 66 66 66 66 100 Смоленская область 52 52 52 52 52 52 52 52 52 51 95 Ставропольский край 54 53 52 51 50 49 48 47 47 46 75 Тамбовская область 62 62 63 63 63 63 64 64 64 64 103 Тверская область 52 53 52 52 52 52 52 51 51 51 94 Томская область 60 60 60 60 60 60 60 60 60 61 99 Тульская область 63 65 67 68 70 71 72 74 75 76 121 Тюменская область 45 44 44 44 43 43 43 42 42 42 92 Удмуртская Республика 57 57 57 57 57 56 56 56 56 56 94 Ульяновская область 48 48 47 47 47 46 46 46 45 45 88 Хабаровский край 72 73 73 73 74 74 74 74 75 75 103 Челябинская область 65 65 65 64 64 64 64 63 63 63 94 Чувашская Республика 54 55 54 54 54 54 54 54 54 54 97 Чукотский авт.округ 43 43 43 44 44 44 45 45 45 45 107 Ярославская область 67 69 70 71 71 72 72 73 73 73 106
- 96. 96 Таблица Б.4 -Прогноз потребления мяса и мясопродуктов без субпродуктов II категории и жира-сырца в зависимости от доходов населения и цен на говядину, свинину, баранину и мясо птицы, кг на человека в год. Регионы РФ 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2020 к 2010 в % Алтайский край 69 54 52 50 49 48 48 47 47 46 70,3 Амурская область 61 57 55 54 54 53 53 52 52 52 90,9 Архангельская область 58 45 43 43 42 42 42 42 42 41 78,1 Астраханская область 76 73 74 74 75 76 77 78 79 80 109,1 Белгородская область 93 94 93 93 93 93 93 93 94 94 101,9 Брянская область 61 62 62 62 63 63 63 63 64 64 104,4 Владимирская область 56 51 49 47 45 44 43 42 42 42 74,8 Волгоградская область 74 73 74 74 75 76 76 77 77 78 106,3 Вологодская область 71 62 62 62 62 62 63 63 64 64 97,2 Воронежская область 76 71 70 70 70 70 70 70 70 70 97,1 Еврейская автономная область 52 49 49 50 51 51 52 52 53 54 105,0 Забайкальский край 68 77 77 78 79 80 80 81 81 82 120,3 Ивановская область 54 68 70 72 75 77 78 80 81 82 151,1 Иркутская область 66 62 63 63 64 64 64 65 65 66 106,3 Кабардино-Балкарская Республика 57 49 48 47 47 46 46 45 45 45 88,2 Калининградская область 84 83 83 83 83 84 84 84 84 84 101,2 Калужская область 68 65 65 65 65 65 65 65 65 66 99,3 Камчатский край 73 64 61 59 57 56 55 54 53 53 74,8 Карачаево-Черкесская Республика 65 63 63 63 63 64 64 65 66 66 105,5 Кемеровская область 68 74 75 76 77 78 79 80 81 82 125,5 Кировская область 63 62 63 63 64 65 65 66 66 67 107,3 Костромская область 44 47 48 48 49 49 50 50 51 52 117,1 Краснодарский край 76 71 69 67 66 64 63 62 61 61 83,4 Красноярский край 79 82 85 87 90 92 95 97 100 102 132,5 Курганская область 69 73 74 76 78 79 80 81 83 84 121,0 Курская область 70 70 70 70 71 71 71 71 71 71 102,6 Ленинградская область 74 73 74 76 78 80 82 83 84 85 121,9 Липецкая область 70 72 71 72 72 72 72 72 72 72 104,8 Магаданская область 75 72 72 73 74 75 76 77 78 79 111,1 Московская область 100 104 107 109 112 114 116 119 122 124 128,0 Мурманская область 76 87 85 83 82 81 80 79 79 78 111,6
- 97. 97 Регионы РФ 20112012 2013 2014 2015 2016 2017 2018 2019 2020 2020 к 2010 в % Нижегородская область 68 67 66 65 65 65 65 65 65 65 98,0 Новгородская область 68 63 61 60 59 59 58 58 57 57 88,0 Новосибирская область 66 52 50 48 46 45 43 43 42 41 65,4 Омская область 80 77 77 77 78 78 79 79 79 80 101,1 Оренбургская область 66 62 61 61 61 61 61 62 62 62 95,9 Орловская область 78 62 59 55 52 50 48 46 45 44 56,1 Пензенская область 67 64 65 65 66 67 68 68 68 69 107,4 Пермский край 60 59 59 59 59 59 59 59 59 59 100,3 Приморский край 70 65 65 65 65 66 66 66 66 67 99,3 Псковская область 76 78 78 78 78 79 79 79 79 80 104,8 Республика Адыгея 63 61 61 62 62 63 63 64 64 65 110,4 Республика Алтай 81 79 80 82 83 85 86 87 88 90 112,0 Республика Башкортостан 76 74 71 68 66 64 63 61 60 59 77,0 Республика Бурятия 64 61 60 59 58 57 57 56 56 55 88,0 Республика Дагестан 36 35 35 36 36 36 37 37 37 37 104,5 Республика Ингушетия 49 52 50 48 46 45 44 44 43 43 95,5 Республика Калмыкия 113 130 123 118 114 110 107 104 102 100 89,1 Республика Карелия 70 56 55 55 55 55 55 55 55 55 81,5 Республика Коми 80 76 77 78 79 80 81 82 82 82 108,3 Республика Марий Эл 72 62 58 55 52 49 47 46 44 43 64,5 Республика Мордовия 72 78 80 83 86 88 91 93 94 95 136,3 Республика Саха (Якутия) 88 87 87 87 86 86 86 86 86 86 98,0 Республика Северная Осетия - Алания 88 70 72 73 75 76 78 79 80 81 91,8 Республика Татарстан 74 76 75 75 75 74 74 74 74 73 100,5 Республика Тыва 57 61 63 66 69 72 74 77 79 81 144,5 Республика Хакасия 68 67 67 66 65 65 64 64 64 63 96,0 Российская Федерация 71 72 72 72 73 74 74 75 75 76 109,5 Ростовская область 70 58 57 57 57 57 56 56 56 56 84,2 Рязанская область 59 60 60 61 61 62 62 62 62 63 106,0 Самарская область 59 60 59 59 58 58 58 57 57 57 98,0 Саратовская область 68 57 54 52 50 48 47 46 45 44 68,1 Сахалинская область 88 94 94 95 95 95 96 96 97 98 112,7 Свердловская область 76 81 83 86 90 93 95 97 99 100 133,8 Смоленская область 56 56 57 58 59 59 60 60 61 61 113,3 Ставропольский край 67 61 59 57 56 55 54 53 52 52 79,5 Тамбовская область 64 64 64 65 66 67 68 69 69 70 112,3
- 98. 98 Регионы РФ 20112012 2013 2014 2015 2016 2017 2018 2019 2020 2020 к 2010 в % Тверская область 66 54 52 51 49 48 47 46 46 45 73,2 Томская область 64 59 58 57 57 57 57 57 57 57 88,6 Тульская область 62 63 63 64 64 64 64 65 65 65 105,3 Тюменская область 51 46 47 48 49 50 50 51 51 52 103,0 Удмуртская Республика 64 62 62 63 64 65 66 67 67 68 110,1 Ульяновская область 59 58 60 62 64 65 67 68 69 70 126,5 Хабаровский край 79 80 81 83 84 85 87 88 89 90 117,4 Челябинская область 72 75 74 74 73 73 73 72 72 72 99,6 Чувашская Республика 59 58 59 59 60 61 61 61 62 62 110,9 Чукотский авт.округ 49 48 48 48 48 49 49 49 49 49 92,9 Ярославская область 78 76 76 76 76 77 78 78 79 79 103,0
- 99. 99 Таблица Б.5-Значения эластичностейзамещения по видам мяса в региональных функциях потребления мяса и мясопродуктов, использованные для расчета прогноза в предыдущей таблице Название региона Св. член Эластич- ность по доходу Эластич- ность по цене говядины Эластич- ность по цене свинины Эластич- ность по цене мяса птицы Эластич- ность по цене баранины R2 Алтайский край 2,42 0,37 -0,60 0,10 0,03 0,13 0,80 Амурская область 2,52 0,54 -0,12 0,59 -0,77 -0,46 0,94 Архангельская область 1,11 0,78 -0,27 0,09 -0,23 -0,52 0,95 Астраханская область 1,94 0,33 0,03 0,03 -0,03 -0,18 0,99 Белгородская область 3,18 0,24 -0,03 -0,16 -0,33 0,28 0,97 Брянская область 4,04 0,02 0,13 0,08 -0,16 -0,09 0,85 Владимирская область -0,52 0,56 -1,54 0,62 0,09 0,70 0,99 Волгоградская область 3,25 0,22 0,17 -0,06 -0,26 -0,08 0,88 Вологодская область 2,04 0,41 -0,44 -0,03 0,26 -0,08 0,91 Воронежская область 2,40 0,44 -0,14 -0,25 -0,27 0,17 0,84 Еврейская автономная область 1,21 0,41 0,21 -0,02 0,14 -0,54 0,99 Забайкальский край 3,71 0,13 0,23 -0,79 -0,23 0,65 0,78 Ивановская область 3,43 0,15 0,77 -0,79 -0,47 0,25 0,92 Иркутская область 2,81 0,01 -0,15 0,14 0,09 0,15 0,97 Кабардино- Балкарская Республика 3,07 0,08 -0,37 0,24 -0,29 0,40 0,96 Калининградская область 2,42 0,10 0,33 -0,04 0,17 -0,23 0,98 Калужская область 2,73 0,23 -0,15 -0,01 -0,11 0,10 0,97 Камчатский край 2,46 0,24 -0,94 0,54 0,04 0,26 0,81 Карачаево- Черкесская Республика 1,38 0,17 -0,25 0,01 0,22 0,26 0,96 Кемеровская область 3,05 0,11 0,44 -0,44 -0,40 0,35 0,94 Кировская область 3,29 0,16 0,14 -0,37 0,12 -0,02 0,98 Костромская область 2,58 -0,03 0,00 -0,55 0,32 0,52 0,89 Краснодарский край 2,75 0,33 -0,68 0,11 -0,67 0,81 0,92 Красноярский край 0,87 0,25 0,08 -0,05 0,45 -0,22 0,99 Курганская область 3,05 0,18 0,45 -0,20 0,01 -0,34 0,97
- 100. 100 Название региона Св. член Эластич- ность по доходу Эластич- ность по цене говядины Эластич- ностьпо цене свинины Эластич- ность по цене мяса птицы Эластич- ность по цене баранины R2 Курская область 4,00 0,02 0,41 -0,40 -0,08 0,05 0,83 Ленинградская область 2,65 0,21 0,74 -1,23 0,15 0,26 0,98 Липецкая область 3,44 0,23 0,33 -0,18 -0,71 0,19 0,82 Магаданская область 1,72 0,26 -0,11 0,31 0,02 -0,21 0,98 Московская область 1,53 0,08 -0,08 0,50 0,03 -0,02 0,99 Мурманская область 2,18 0,32 -0,37 -0,14 -0,85 1,04 0,88 Нижегородская область 2,58 0,39 -0,01 -0,08 -0,59 0,18 0,80 Новгородская область 1,90 0,63 -0,53 0,46 -0,33 -0,32 0,98 Новосибирская область 3,38 0,21 -1,18 0,61 -0,09 0,38 0,73 Омская область 3,15 0,24 0,21 -0,19 0,06 -0,28 0,86 Оренбургская область 2,26 0,21 -0,21 0,04 0,18 0,00 0,98 Орловская область 2,77 0,18 -1,44 0,90 0,14 0,40 0,99 Пензенская область 3,39 0,28 0,31 -0,27 -0,09 -0,32 0,93 Пермский край 3,78 0,06 0,09 0,03 -0,33 0,11 0,75 Приморский край 2,52 0,26 -0,17 0,23 -0,39 0,13 0,73 Псковская область 3,32 0,21 0,28 -0,53 -0,25 0,26 0,88 Республика Адыгея 1,23 0,33 -0,19 -0,01 0,00 0,13 0,99 Республика Алтай 2,88 0,16 0,24 -0,05 0,06 -0,24 0,93 Республика Башкортостан 4,16 -0,02 -0,53 0,53 -0,58 0,56 0,82 Республика Бурятия 3,74 0,11 -0,24 0,01 -0,24 0,29 0,81 Республика Дагестан 3,75 0,27 0,40 -0,03 -0,60 -0,38 0,96 Республика Ингушетия 0,33 0,40 -1,26 0,19 1,01 0,97 Республика Калмыкия 3,87 0,57 -0,46 0,42 -1,23 0,30 0,94 Республика Карелия 2,51 0,35 -0,05 -0,21 -0,30 0,21 0,88 Республика Коми 3,91 0,07 0,85 -0,53 -0,42 -0,01 0,76 Республика Марий Эл 3,47 0,24 -1,18 0,54 -0,18 0,46 0,78 Республика Мордовия 3,28 0,33 0,64 -0,39 -0,49 -0,23 0,91 Республика Саха (Якутия) 3,94 0,04 -0,30 0,44 -0,30 0,16 0,77 Республика Северная Осетия - Алания 3,40 0,08 0,47 -0,48 -0,41 0,36 0,91 Республика Татарстан 3,56 0,20 0,03 -0,17 -0,65 0,44 0,88 Республика Тыва 2,47 0,10 0,79 0,01 -0,07 -0,56 0,99 Республика Хакасия 4,18 0,05 -0,76 0,26 -0,12 0,51 0,93
- 101. 101 Название региона Св. член Эластич- ность по доходу Эластич- ность по цене говядины Эластич- ностьпо цене свинины Эластич- ность по цене мяса птицы Эластич- ность по цене баранины R2 Российская Федерация 2,94 0,35 0,40 0,08 -0,67 -0,30 0,73 Ростовская область 3,44 0,11 -0,14 0,00 0,09 -0,03 0,89 Рязанская область 3,90 -0,01 0,40 -0,56 0,15 0,05 0,93 Самарская область 3,57 0,17 -0,06 0,18 -0,51 0,10 0,97 Саратовская область 3,74 0,12 -0,71 0,45 -0,36 0,41 0,75 Сахалинская область 2,27 0,15 -0,37 1,11 -0,54 -0,10 0,97 Свердловская область 3,13 0,36 0,93 -0,58 -0,21 -0,59 0,95 Смоленская область 4,18 -0,15 0,43 -0,70 0,13 0,35 0,95 Ставропольский край 3,22 0,37 -0,32 -0,03 -0,82 0,58 0,88 Тамбовская область 3,27 0,29 0,48 -0,28 -0,09 -0,47 0,89 Тверская область 2,78 0,24 -0,88 0,65 -0,31 0,29 0,87 Томская область 2,18 0,25 -0,51 0,28 -0,01 0,14 0,83 Тульская область 3,36 0,16 -0,11 0,03 -0,34 0,22 0,90 Тюменская область 3,15 0,24 0,87 0,05 -0,66 -0,63 0,76 Удмуртская Республика 1,84 0,36 0,06 0,04 0,06 -0,34 0,99 Ульяновская область 3,26 0,25 0,57 -1,05 -0,16 0,27 0,86 Хабаровский край 2,18 0,23 0,22 -0,15 -0,05 -0,06 0,98 Челябинская область 3,93 0,09 -0,02 0,24 -0,74 0,30 0,75 Чувашская Республика 3,60 0,13 0,27 -0,20 -0,10 -0,13 0,78 Чукотский авт.округ 0,11 -0,04 0,93 0,10 0,39 -0,64 0,98 Ярославская область 2,00 0,48 -0,28 0,01 -0,20 0,94
- 102. 102 Таблица Б.6-Перекрестные эластичностизамещения по основным продуктовым группам в целом по РФ 1999-2002 / 2003-2010 Св. член Доход Мясо Молоко Картофель Овощи Хлеб Раститель- ное масло Сахар Яйца Мясо 2,24 0,18 -0,16 0,18 0,12 -0,09 2,14 0,19 -0,11 Молоко 4,38 0,09 -0,11 0,12 -0,23 4,97 0,33 -0,19 0,42 -0,51 -0,22 Картофель 4,93 -0,15 -0,12 4,02 -0,06 0,31 -0,41 0,18 Овощи 3,94 0,17 0,18 -0,26 -0,15 4,69 0,42 0,37 -0,27 -0,39 -0,42 Хлеб 4,89 -0,06 -0,15 0,1 5,08 0,1 -0,1 0,13 -0,29 Растительное масло 3,05 0,15 -0,41 0,12 0,13 1,49 28 0,2 -0,4 -0,17 Сахар 4,69 0,11 -0,04 -0,42 -0,12 3,11 0,31 -0,13 -0,2 Яйца 4,19 0,12 0,22 -0,09 -0,38 3,99 0,24 0,34 -0,36 -0,14 0,31
- 103. 103 П Р ИЛ О Ж Е Н И Е В Оптимальный план межрегиональных перевозок зерна
- 104. 104 1. Входные данныедля транспортной задачи в программе LPSOLVE. Для программы LPSOLVE задаются 2 таблицы на листе данных MS EXCEL. В1-я таблица задаёт количество зерна, которое необходимо перевезти из регионов- поставщиков (самый левый столбец) в регионы-потребители (наименования столбцов в В1-ой таблице). Строка “Sign” в этой таблице показывает знак для ограничения, заданного для региона-потребителя. Например: < 4,9 означает, что в регион-потребитель надо перевезти не более 4,9 млн. тонн зерна. Строка “Target” содержит ограничения и указывает количество зерна, которое надо в целом перевезти в регион потребитель из всех возможных регионов-поставщиков. Наименование региона-потребителя задаётся в строке над таблицей В.1 в соответствующем столбце. Самый крайний правый элемент в строке “Target” показывает суммарную минимальную стоимость маршрута (в представленном примере в млн. рублей), перевозящего всё зерно, в соответствии с заданными ограничениями на регионы- потребители и регионы-поставщики. Само решение (количество зерна, которое надо перевезти в регионы-потребители из регионов поставщиков) записывается в таблицу В.1. Перед каждым расчётом таблицу В.1 необходимо обнулить. Столбец правее столбца с названием последнего региона-потребителя, содержит знаки на ограничения по вывозу зерна из регионов-поставщиков. Например: > 4,6 означает, что из региона-поставщика можно вывезти ровно 4,6 млн. тонн зерна. Транспортная задача является сбалансированной, если выполняется основное ограничение: сумма всего вывезенного зерна из всех регионов-поставщиков равняется сумме всего ввезённого зерна во все регионы-потребители. Сбалансированная задача решается специальными ускоряющими алгоритмами транспортной задачи. Программа LPSOLVE рассчитывает и несбалансированные задачи. В этом случае транспортная задача решается как задача линейного
- 105. 105 программирования симплекс-методом. Данныйпример является примером несбалансированной транспортной задачи. Таблица В.1 имеет размерность (m+2) x (n+2), где: m - количество регионов-поставщиков зерна; n - количество регионов-потребителей зерна. Вторая таблица (таблица В.2) для транспортной задачи пакета LPSOLVE имеет размерность m x n. Эта таблица содержит матрицу тарифов на перевозку зерна по железной дороге в России между областными центрами регионов-поставщиков и регионов- потребителей. Стоимость железнодорожных перевозок зерна рассчитывается согласно прейскуранту РЖД 10-01 “Тарифы на перевозки грузов и услуги” за 2011г. Элемент этой матрицы содержит цену в рублях на перевозку 1 тонны зерна от i-ого поставщика к j-ому потребителю. 2. Запуск программы транспортной задачи LPSOLVE. Меню транспортной задачи в LPSOLVE состоит из 3-х окон. 1-е окно содержит таблицу В.1. Второе - таблицу В.2. Третье - слово “RUN”. 3. Составление списка регионов-поставщиков и регионов-потребителей. Список регионов-поставщиков и регионов-потребителей составляется из “баланса ресурсов и использования зерна” [2]. Показатель “потребление зерна” в регионе берётся из графы “использование”. Показатель “наличие зерна” в регионе равняется “начальные запасы” плюс “производство”. При этом графа ввоз зерна, включая импорт и графа вывоз зерна, включая экспорт не учитываются. Они будут рассчитываться в программе. Для разбивки регионов на поставщиков и потребителей вводится следующий критерий: если “начальные запасы” + “производство” > “использовано”, то это регион- поставщик. В противном случае, регион – потребитель. Ограничения в списке поставщиков, это: Вывоз = начальные запасы + производство - потребление. Ограничения в списке потребителей, это:
- 106. 106 Ввоз < использовано. 4.Последовательность заполнения входных данных для LPSOLVE. Ниже предлагается схема составления ограничений типа неравенств для программы LPSOLVE, при которой оптимальное решение находится за несколько секунд. a) обнуление таблица В.1. b) составление ограничений для регионов-поставщиков. столбец знаков записывается в виде: > > > . . > c) составление ограничений для регионов-потребителей. cтрока знаков “Sign” записывается в виде: < < < < < < . . . < > Отметим, что последний элемент этой строки (ограничение на экспортные поставки в г. Новороссийск) записывается в виде > . В этом случае программа находит решение в течении нескольких секунд. При других сочетаниях знаков в ограничениях решение либо не находится (сообщения об ошибке в программе), либо программа зависает при решении задачи для размерности в 1484 неизвестных переменных. Точнее программа отыскивает решение для такой размерности свыше 2 часов. В то время как для аналогично составленных ограничений и размерности задачи, охватывающей лишь 6 округов, программа выполняется 30 минут, а для размерности задачи, охватывающей 4 округа, программа выполняется 6 минут. Это не случайно, так как при решении задачи линейного программирования, а транспортная задача является частным случаем задачи линейного программирования, cсимплекс-метод представляет из себя переборный алгоритм с
- 107. 107 отсечениями. И, поэтому,скорость решения зависит от удачного выбора совокупности ограничений (отсечений). При этом программа LPSOLVE в первый столбец регионов-потребителей записывает только одни нули, т.е. ничего не распределяет. Это один из недостатков этой программы. Поэтому, в рассматриваемом ниже примере, первым регионом – потребителем поставлен регион Чукотка. В этом регионе в заявке на ввоз значится 0. Т.е. если поставить < 0 в заявке на ввоз зерна для Чукотки, то программа найдёт оптимальное решение для 8 округов в течении нескольких секунд, выполнит все оставшиеся ограничения для поставщиков и потребителей и запишет в столбец данных для региона Чукотки одни нули. Если такого региона как Чукотка с ограничением на ввоз, равным нулю в балансе ресурсов зерна нет, то необходимо создать пустой первый столбец данных с ограничением на ввоз зерна типа < 0. Есть и другое решение этой проблемы. Можно ввести в конец списка поставщиков фиктивного поставщика, из которого можно вывести некоторое количество зерна. В этом случае ограничение на вывоз зерна для этого поставщика задаётся в виде: < . В то время как ограничения для всех других поставщиков задаются в виде: > , т.е. с противоположным знаком, как и рекомендовано в пункте b). В этом случае, во все регионы потребители программа запишет ненулевое решение. 5. Пример использования программы транспортной задачи в пакете LPSOLVE для расчёта оптимальных маршрутов перевозки зерна из регионов РФ – поставщиков зерна в регионы РФ – потребителей зерна и на экспорт по всем восьми округам России. В отчётной форме “баланс зерновых ресурсов в регионах России в 2011г.” присутствуют данные по 80 регионам в 8 округах России. По критерию все регионы из зернового баланса были разбиты на поставщиков и потребителей. Оказалось, что в 2011г. 53 региона являлись поставщиками зерна и 27 регионов потребителями зерна.
- 108. 108 Таблица В.1 –Центральный Федеральный округ (18 регионов) в млн. тонн зерна Регион Начал. запасы Произ- водство Потреб- ление Объём вывоза % от наличия Тип региона 1. Белгородская обл. 1,0 2,4 3,1 0,3 8,8 поставщик 2. Брянская обл. 0,3 0,54 0,66 0,18 21,4 поставщик 3. Владимирская обл. 0,15 0,16 0,5 0 0 потребитель 4. Воронежская обл. 0,98 3,0 2,9 1,08 27,1 поставщик 5. Ивановская обл. 0,06 0,1 0,2 0 0 потребитель 6. Калужская обл. 0,09 0,15 0,18 0,06 25,0 поставщик 7. Костромская обл. 0,06 0,07 0,13 0 0 потребитель 8. Курская обл. 0,17 2,6 2,4 0,37 13,4 поставщик 9. Липецкая обл. 1,1 2,0 2,0 1,1 35,5 поставщик 10. Московская обл. 0,32 0,22 1,4 0 0 потребитель 11. Орловская обл. 1,1 1,7 1,6 1,2 42,9 поставщик 12. Рязанская обл. 0,82 0,94 1,3 0,46 26,1 поставщик 13. Смоленская обл. 0,14 0,21 0,26 0,09 25,7 поставщик 14. Тамбовская обл. 0,97 1,9 1,9 0,97 33,8 поставщик 15. Тверская обл. 0,15 0,09 0,5 0 0 потребитель 16. Тульская обл. 0,49 0,89 1,69 0 0 потребитель 17. Ярославская обл. 0,2 0,08 0,5 0 0 потребитель 18. г. Москва 0,06 - 0,47 0 0 потребитель Таким образом, в представленном примере решается транспортная задача размерности 53 x 28 = 1484 переменных. В задачах моделирования сельскохозяйственного производства и распределения сельхозпродукции такая размерность считается большой.
- 109. 109 Из таблицы В.1следует, что в Центральном Федеральном округе в 2011г. оказалось 10 регионов-поставщиков и 8 регионов потребителей. Зелёным цветом отмечены регионы – поставщики, в которых объёмы зерна для поставок в другие регионы и на экспорт, составляли не менее 25% от начальных запасов и производства зерна в регионе. Таблица В.2 – Южный Федеральный округ (6 регионов) в млн. тонн зерна Регион Начал. Запасы Произ- водство Потреб- ление Объём вывоза % от наличия Тип региона 1. Респуб. Адыгея 0,19 0,43 0,59 0,03 4,8 поставщик 2. Респуб. Калмыкия 0,22 0,36 0,42 0,16 27,6 поставщик 3. Краснодарский край 4,6 11,5 13,5 2,6 16,1 поставщик 4. Астраханская обл. 0,03 0,05 0,2 0 0 потребитель 5. Волгоградская обл. 2,0 2,7 2,8 1,9 40,4 поставщик 6. Ростовская обл. 3,7 7,7 10,9 0,5 4,4 поставщик В Южном Федеральном округе в 2011г. оказалось 5 регионов-поставщиков и 1 регион потребитель. Столица республики Адыгея Майкоп, столица республики Калмыкия Элиста. Необходимо отметить, что ведущие регионы производители зерна в России – Краснодарский край и Ростовская область, несмотря на географическую близость к южным портам России: черноморским и азовским, зелёными поставщиками не являются. А это значит, что в этих регионах налажен процесс диверсификации в зерновом производстве, т.е. большая часть произведённого зерна идёт далее на переработку в этих же регионах, например, на изготовление муки, спиртоводочное производство, производство пива, изготовление лекарств и др.
- 110. 110 Таблица В.3 –Северо-Кавказский Федеральный округ (7 регионов) в млн. тонн зерна Регион Начал. запасы Произ- водство Потреб- ление Объём вывоза % от наличия Тип Региона 1. Респуб. Дагестан 0,15 0,24 0,29 0,1 25,6 поставщик 2. Респуб. Ингушетия 0,03 0,07 0,05 0,05 50,0 поставщик 3. Кабардино-Балкария 0,40 0,74 0,73 0,41 36,0 поставщик 4. Карачаево-Черкессия 0,08 0,20 0,20 0,08 28,6 поставщик 5. Северная Осетия 0,10 0,50 0,44 0,16 26,7 поставщик 6. Чеченская Республика 0,10 0,19 0,18 0,11 37,9 поставщик 7. Ставропольский край 3,0 8,2 8,0 3,2 28,6 поставщик Столица Дагестана – Махачкала, столица Ингушетии – Назрань, столица Кабардино-Балкарии – Нальчик, столица Карачаево-Черкессии – Черкесск, столица Северной Осетии – Алании – Владикавказ. В Северо-Кавказском Федеральном округе регионов потребителей нет, а регионы - поставщики все зелёные. Столица Башкортостана – Уфа, столица Марий Эл – Йошкар-Ола, столица Мордовии – Саранск, столица Удмуртской республики – Ижевск, столица Чувашской республики – Чебоксары, столица Кировской области – г. Киров.
- 111. 111 Таблица В.4 –Приволжский Федеральный округ (14 регионов) в млн. тонн зерна Регион Начал. Запасы Произ- водство Потреб- ление Объём вывоза % от наличия Тип Региона 1. Респуб. Башкортостан 0,87 3,0 1,9 1,97 50,9 поставщик 2. Республика Марий Эл 0,14 0,29 0,25 0,18 41,9 поставщик 3. Республика Мордовия 0,51 1,0 0,82 0,69 45,7 поставщик 4. Республика Татарстан 1,9 4,9 4,6 2,2 32,4 поставщик 5. Удмуртская респуб. 0,36 0,64 0,8 0,2 20,0 поставщик 6. Чувашская респуб. 0,24 0,56 0,48 0,32 40,0 поставщик 7. Пермский край 0,30 0,44 0,75 0 0 потребитель 8. Кировская область 0,44 0,74 0,65 0,53 44,9 поставщик 9. Нижегородская обл. 0,76 1,3 1,2 0,86 41,7 поставщик 10. Оренбургская область 1,7 2,9 2,2 2,4 52,2 поставщик 11. Пензенская область 0,67 0,87 0,75 0,79 51,3 поставщик 12. Самарская область 0,55 1,2 1,0 0,75 42,9 поставщик 13. Саратовская область 1,7 2,1 2,3 1,5 39,5 поставщик 14. Ульяновская обл. 0,47 1,3 0,94 0,83 46,9 поставщик
- 112. 112 В Приволжском Федеральномокруге всего 1 регион-потребитель, а среди поставщиков все регионы, кроме одного с большим наличием зерна для вывоза. Не случайно Приволжский Федеральный округ называют житницей России, поскольку этот округ не только производит большие объёмы зерна для поставки в другие регионы России, но и занимает выгодное географическое положение для перемещения зерна, как на Запад, так и на Восток РФ и, соответственно, в южные, западные и восточные экспортные порты России. Таблица В.5 – Северо-Западный Федеральный округ (10 регионов) в млн. тонн зерна Регион Начал. запасы Произ- водство Потреб- ление Объём вывоза % от наличия Тип региона 1. Респуб. Карелия 0,005 0,0002 0,015 0 0 потребитель 2. Респуб. Коми 0,007 0 0,039 0 0 потребитель 3. Архангельская обл. 0,003 0,007 0,033 0 0 потребитель 4. Вологодская обл. 0,2 0,25 0,47 0 0 потребитель 5. Калининградская обл. 0,17 0,16 0,2 0,13 39,4 поставщик 6. Ленинградская обл. 0,18 0,09 0,74 0 0 потребитель 7. Мурманская область 0,018 0 0,05 0 0 потребитель 8. Новгородская область 0,07 0,03 0,12 0 0 потребитель 9. Псковская область 0,03 0,04 0,12 0 0 потребитель 10. Г. Санкт- Петербург 0,2 0 1,1 0 0 потребитель Наибольший процент вывоза зерна в другие регионы и на экспорт отмечается в Оренбургской области 52%, Башкортостане и Пензенской области по 51%, Ульяновской области 47%.
- 113. 113 Столица Республики Карелии– Петрозаводск, столица Республики Коми – Сыктывкар. В Северо-Западном Федеральном округе в 2011 г. по данным баланса ресурсов и использования зерна был только один регион поставщик – Калининградская область. Этот регион отличается от всех поставщиков тем, что в калькуляторе РЖД отсутствует тариф на железнодорожную перевозку из этого региона. Это, возможно, связано с тем, что поставки зерна из этого региона РФ в другие регионы России, связаны с перевозкой через территорию Польши и Литвы и, поэтому, облагаются дополнительной стоимостью. Т.е., с большой вероятностью, Калининградская область не вывозит зерно в другие регионы РФ по железной дороге, а скорее всего, направляет излишки зерна на экспорт, так как г. Калининград является портовым городом. Таблица В.6 – Уральский Федеральный округ (4 региона) в млн. тонн зерна Регион Начал. запасы Произ- водство Потреб- ление Объём вывоза % от наличия Тип Региона 1. Курганская обл. 0,88 2,4 1,8 1,48 45,1 поставщик 2. Свердловская обл. 0,48 0,76 1,16 0,08 6,5 поставщик 3. Тюменская обл. 0,95 1,9 1,6 1,25 43,9 поставщик 4. Челябинская обл. 0,9 2,2 2,1 1 32,3 поставщик В Уральском Федеральном округе все регионы являются поставщиками зерна. Из них 3 региона: Курганская, Тюменская и Челябинская область имеют статус зелёного поставщика. В Сибирском Федеральном округе всего лишь один регион потребитель зерна – Республика Алтай (столица Горно – Алтайск). Все остальные регионы являются поставщиками зерна. Cреди поставщиков все регионы, кроме двух, зелёные. Омская область вывозила в 2011г. около 51% от имеющегося в наличии зерна. Красноярский край поставлял около 49%. Для Республики Алтай в калькуляторе РЖД на расчёт ж.-д. тарифа отсутствует тариф до г. Горно-Алтайска. Поэтому, в программе использовалcя тариф до ближайшего до этого региона города Бийск (Алтайский край). Вполне возможно, что зерно в Республику Алтай
- 114. 114 поставляется не пожелезной дороге, а автомобильными маршрутами, так как заказ на ввоз зерна в этот регион – потребитель невелик. Столица Бурятии – Улан-Удэ, столица Республики Тыва – Кызыл, столица Хакасии – Абакан, столица Алтайского края – Барнаул, столица Забайкальского края – Чита. Таблица В.7 – Сибирский Федеральный округ (12 регионов) в млн. тонн зерна Регион Начал. запасы Произ- водство Потреб- ление Объём вывоза % от наличия Тип Региона 1. Республика Алтай 0,01 0,009 0,03 0 0 потребитель 2. Респуб. Бурятия 0,059 0,098 0,084 0,07 46,5 поставщик 3. Респуб. Тыва 0,004 0,02 0,02 0,004 16,7 поставщик 4. Респуб. Хакасия 0,083 0,17 0,16 0,09 36,8 поставщик 5. Алтайский край 4,0 3,9 4,5 3,40 43,0 поставщик 6. Забайкальский край 0,17 0,13 0,2 0,10 33,3 поставщик 7. Красноярский край 1,9 2,4 2,2 2,10 48,8 поставщик 8. Иркутская область 0,48 0,57 0,72 0,33 31,4 поставщик 9. Кемеровская обл. 1,0 1,1 1,2 0,90 42,9 поставщик 10. Новосибирская обл. 2,1 2,5 2,9 1,70 37,0 поставщик 11. Омская обл. 2,5 3,4 2,9 3,00 50,8 поставщик 12. Томская обл. 0,3 0,32 0,54 0,08 12,9 поставщик На основные города Республики Алтай ж.-д. тарифов в калькуляторе РЖД нет. Поэтому, для этого региона задаётся во много раз превосходящий реальные тарифы искусственный тариф на ввоз зерна, равный 999999,99 рублей. В этом случае фактическая переменная по объёму ввоза зерна в этот регион будет 0.
- 115. 115 Сибирский Федеральный округпо зерновому балансу 2011г. выглядит не только как самодостаточный округ, в котором всего лишь один регион потребитель зерна, да и то с небольшой заявкой на потребление, но и как потенциальный поставщик зерна на экспорт в восточные порты РФ. Таблица В.8 – Дальневосточный Федеральный округ (9 регионов) в млн. тонн зерна Регион Начал. запасы Произ- водство Потреб- ление Объём Вывоза % от наличия Тип региона 1. Республика Якутия 0,005 0,008 0,037 0 0 потребитель 2. Камчатский край 0,001 0 0,028 0 0 потребитель 3. Приморский край 0,17 0,23 0,27 0,130 32,5 поставщик 4. Хабаровский край 0,014 0,01 0,13 0 0 потребитель 5. Амурская область 0,11 0,34 0,27 0,180 40,0 поставщик 6. Магаданская обл. 0 0 0,002 0 0 потребитель 7. Сахалинская обл. 0 0 0,004 0 0 потребитель 8. Еврейская автон. обл. 0,005 0,03 0,029 0,006 17,1 поставщик 9. Чукотский авт. округ 0 0 0 0 0,0 потребитель В калькуляторе РЖД отсутствуют ж.-д. тарифы на ввоз зерна в следующие регионы: Камчатка, Магаданская область, Сахалинская область, Чукотка. В этом случае, в таблице 2 задаётся искусственный очень большой тариф 999999,99 рублей/тонна, приводящий к тому, что зерно в эти регионы по программе не распределяется. Вполне возможно, что в эти регионы зерно доставляется по автомобильным дорогам. Столица Приморского края – Владивосток, столица Амурской области – Благовещенск, столица Еврейской автономной области – Биробиджан. В Дальневосточном Федеральном округе больше регионов – потребителей зерна, чем
- 116. 116 регионов – поставщиков.И эти регионы потребители могут покупать зерно у регионов – поставщиков близлежащего Сибирского Федерального округа. Как видно, в 8 округах России регионов-поставщиков зерна почти в 2 раза больше, чем потребителей, и, поэтому, существенная часть зерна из регионов- поставщиков отправляется на экспорт. В вычислительном примере в качестве порта отправки экспортного зерна рассматривается г. Новороссийск (“Экспорт”). 5. Анализ решения программы. Из выходных данных следует, что найденное решение задачи удовлетворяет всем поставленным ограничениям на ввоз и вывоз зерна. Недостатком решения является распределение зерна из региона-поставщика Калининградской области (таблице В9, номер 36). Из этого региона только распределение зерна в Мурманскую область можно считать обоснованным. А распределение в Тыву, на Камчатку, в Магаданскую и Сахалинскую область являются экономически необоснованными. Однако, такое распределение в 4 далеко удалённых региона не снижает ценность нахождения оптимального решения по критерию минимизации суммарной стоимости всех совокупных маршрутов, перевозящих объёмы, заданные в ограничениях. Чем объяснить, то что программа не находит для Тывы, Камчатки, Магаданской и Сахалинской области нужные объёмы зерна в близлежащем Сибирском или Дальневосточном округе. Во-первых, наивысшим приоритетом в программе является выполнение критерия минимизации суммарной стоимости всех совокупных маршрутов, перевозящих объёмы, заданные в ограничениях. Во-вторых, в перечисленные 4 региона распределяются небольшие объёмы зерна, которые в 10 раз и более уступают объёмам заявок в другие регионы. А слагаемые целевой функции в (3) состоят из произведения расстояния (тарифа на ж./д. перевозку) на объём груза. Результаты решения транспортной задачи приведены также в двух таблицах 9 и 10.
- 117. 117 Таблица В.9 –Таблица регионов – поставщиков зерна Округ России п/п Регион поставщик Предложение в млн. тонн Регионы получатели Объём вывоза 1. Белгородская обл. 0,3 Экспорт 0,3 2. Брянская обл. 0,18 Тульская обл. 0,18 3. Воронежская обл. 1,08 Экспорт 1,08 4. Калужская обл. 0,06 Тульская обл. 0,06 5. Курская обл. 0,37 Тульская обл. 0,25 Экспорт 0,12 Итого 0,37 6. Липецкая обл. 1,1 Экспорт 1,1 7. Орловская обл. 1,2 Тульская обл. 1,2 8. Рязанская обл. 0,46 г. Москва 0,46 9. Смоленска обл. 0,09 Тверская обл. 0,04 Псковская обл. 0,05 Итого 0,09 Централь- ный Федераль- ный Округ 10. Тамбовская обл. 0,97 Экспорт 0,97 11. Респуб. Адыгея 0,03 Экспорт 0,03 12. Калмыкия 0,16 Экспорт 0,16 13. Краснодарский край 2,6 Экспорт 2,6 14. Волгоградская обл. 1,9 Экспорт 1,9 Южный Федераль- ный округ 15. Ростовская обл. 0,5 Экспорт 0,5 16. Дагестан 0,1 Экспорт 0,1 17. Ингушетия 0,05 Экспорт 0,05 18. Кабартино- Балкария 0,41 Экспорт 0,41 19. Карачаево- Черкессия 0,08 Экспорт 0,08 Северо- Кавказский Федераль- ный округ 20. Северная Осетия 0,16 Экспорт 0,16
- 118. 118 Продолжение таблицы В.9 21.Чечня 0,11 Экспорт 0,11 22. Ставропольский край 3,2 Экспорт 3,2 23. Башкортостан 1,97 Экспорт 1,97 24. Марий Эл 0,18 Экспорт 0,18 25. Мордовия 0,69 Экспорт 0,69 26. Татарстан 2,2 Московская обл. 1,4 Тверская обл. 0,14 Ярославская обл. 0,34 г. Москва 0,01 Экспорт 0,31 Итого 2,2 27. Удмуртия 0,2 Архангельская обл. 0,02 г. Санкт- Петербург 0,18 Итого 0,2 28. Чувашия 0,32 Тверская обл. 0,32 29. Кировская обл. 0,53 Костромская обл. 0,13 Республика Коми 0,03 Вологодская обл. 0,02 Ленинградская обл. 0,14 г. Санкт- Петербург 0,21 Итого 0,53 Приволж- ский Федераль- ный округ 30. Нижегородская обл. 0,86 Владимирская обл. 0,5
- 119. 119 Продолжение таблицы В.9 Ивановскаяобл. 0,2 Ярославская обл. 0,16 Итого 0,86 31. Оренбургская обл. 2,4 Астраханская обл. 0,2 Экспорт 2,2 Итого 2,4 32. Пензенская обл. 0,79 Экспорт 0,79 33. Самарская обл. 0,75 Экспорт 0,75 34. Сараторская обл. 1,5 Экспорт 1,5 35. Ульяновская обл. 0,83 Экспорт 0,83 36. Калининградская обл. 0,13 Мурманская обл. 0,03 Республика Тыва 0,004 Камчатка 0,03 Магаданская обл. 0,002 Сахалинская обл. 0,004 Экспорт 0,06 Северо- Западный Федераль- ный округ Итого 0,13 37. Курганская обл. 1,5 Экспорт 1,5 38. Свердловская обл. 0,08 Пермский край 0,01 Ленинградская обл. 0,07 Итого 0,08 39. Тюменьская обл. 1,25 Карелия 0,01 Уральский Федераль- ный округ Новгородская обл. 0,02
- 120. 120 Продолжение таблицы В.9 г.Санкт- Петербург 0,51 Экспорт 0,71 Итого 1,25 40. Челябинская обл. 1,00 Экспорт 1,00 41. Бурятия 0,07 Экспорт 0,07 42. Хакасия 0,09 Экспорт 0,09 43. Алтайский край 3,4 Республика Алтай 0,01 Экспорт 3,39 Итого 3,4 44. Забайкальский край 0,1 Ленинградская обл. 0,1 45. Красноярский край 2,1 Экспорт 2,1 46. Иркутская обл. 0,33 Экспорт 0,33 47. Кемеровская обл. 0,9 Экспорт 0,9 48. Новосибирская обл. 1,7 Экспорт 1,7 49. Омская обл. 3,00 Экспорт 3,00 Сибирский Федераль- ный округ 50. Томская обл. 0,08 Экспорт 0,08 51. Приморский край 0,13 Хабаровский край 0,104 Экспорт 0,026 Итого 0,13 52. Амурская обл. 0,18 Ленинградская обл. 0,16 Якутия 0,02 Дальне- Восточ- ный Федераль- ный округ Итого 0,18
- 121. 121 Продолжение таблицы В.9 53. Еврейскаяавтон. обл. 0,06 Хабаровский край 0,06 Таблица В.10 – Таблица регионов – потребителей зерна Округ России п/п Регион потребитель Заявка в млн. тонн Регионы поставщики Объём ввоза 1. Владимирская обл. 0,5 Нижегородская обл. 0,5 2. Ивановская обл. 0,2 Нижегородская обл. 0,2 3. Костромская обл. 0,13 Кировская обл. 0,13 4. Московская обл. 1,4 Татарстан 1,4 5. Тверская обл. 0,5 Смоленская обл. 0,04 Татарстан 0,14 Чувашия 0,32 Централь- ный Федераль-ный Округ Итого 0,5 6. Тульская обл. 1,69 Брянская обл. 0,18 Калужская обл. 0,06 Курская обл. 0,25 Орловская обл. 1,2 Итого 1,69 7. Ярославская обл. 0,5 Респуб. Татарстан 0,34 Нижегородская обл. 0,16 Итого 0,5 8. г. Москва 0,47 Рязанская обл. 0,46 Респуб. Татарстан 0,01
- 122. 122 Продолжение таблицы В.10 Итого0,47 Южный ФО 9. Астраханская обл. 0,2 Оренбургская обл. 0,2 Приволж. ФО 10. Пермский край 0,01 Свердловская обл. 0,01 Северо- 11. Карелия 0,01 Тюменская обл. 0,01 12. Коми 0,03 Кировская обл. 0,03 13. Архангельская обл. 0,02 Респуб. Удмуртия 0,02 14. Вологодская обл. 0,02 Кировская обл. 0,02 15. Ленинградская обл. 0,47 Кировская обл. 0,14 Свердловская обл. 0,07 Забайкальский край 0,10 Амурская обл. 0,16 Итого 0,47 16. Мурманская обл. 0,03 Калининградская обл. 0,03 17. Новгородская обл. 0,02 Тюменьская обл. 0,02 18. Псковская обл. 0,05 Смоленская обл. 0,05 19. г. Санкт-Петербург 0,9 Респуб. Удмуртия 0,18 Кировская обл. 0,21 Тюменьская обл. 0,51 Западный ФО Итого 0,9 20. Республика Алтай 0,01 Алтайский край 0,01 Сибирский ФО 21. Республика Тыва 0,004 Калининградская обл. 0,004 22. Якутия 0,02 Амурская обл. 0,02Дальне- Восточный ФО 23. Камчатка 0,03 Калининградская обл. 0,03
- 123. 123 Продолжение таблицы В.10 24.Хабаровский край 0,11 Приморский край 0,104 Еврейская автон. обл. 0,006 Итого 0,11 25. Магаданская обл. 0,002 Калининградская обл. 0,002 26. Сахалинская обл. 0,004 Калининградская обл. 0,004 27. Чукотка 0 0 28. Экспорт 37,046 Белгородская обл. 0,30 Воронежская обл. 1,08 Курская обл. 0,12 Липецкая обл. 1,1 Тамбовская обл. 0,97 Республика Адыгея 0,03 Республика Калмыкия 0,16 Краснодарский край 2,6 Волгоградская обл. 1,9 Ростовская обл. 0,5 Дагестан 0,1 Ингушетия 0,05 Кабардино- Балкария 0,41 Карачаево- Черкессия 0,08
- 124. 124 Северная Осетия 0,16 Чечня0,11 Ставропольский край 3,2 Башкортостан 1,97 Марий Эл 0,18 Мордовия 0,69 Татарстан 0,31 Оренбургская обл. 2,2 Пензенская обл. 0,79 Самарская обл. 0,75 Саратовская обл. 1,5 Ульяновская обл. 0,83 Калининградская обл. 0,06 Курганская обл. 1,5 Тюменская обл. 0,71 Челябинская обл. 1,0 Бурятия 0,07 Хакасия 0,09 Алтайский край 3,39 Красноярский край 2,1 Иркутская обл. 0,33 Кемеровская обл. 0,9 Новосибирская обл 1,7 Омская обл. 3,0 Томская обл. 0,08 Приморский край 0,026 Итого 37,046
- 125. 125 Из таблиц В.9и В.10 следует, что программа нашла решение, удовлетворяющее всем поставленным в транспортной задаче ограничениям. Дальнейшие модификации задачи связаны с учётом региональных закупочных цен на зерно и рассмотрением других южных, западных и восточных портов для экспорта зерна. 6. Модификация транспортной задачи. Следующая модификация транспортной задачи связана с учётом региональных закупочных цен на зерновые и зернобобовые культуры в 2011г. [1]. Цены производителей на зерно в регионах России существенно отличаются. Так, в 2011г. максимальная закупочная цена на зерно среди регионов производителей зерна, являющихся поставщиками зерна, была 9318 руб./т в Еврейской Автономной области и 1693 руб./т в Чувашской Республике, т.е. отличались в 5,5 раз. Поэтому, таблицу 2 тарифов на железнодорожные перевозки зерна между регионами России следует заменить с учётом закупочных цен на зерно в регионе поставщике зерна. Общее правило для формирования элемента ijс выглядит так: в элемент ijс переписывается текущий транспортный тариф ijс , увеличенный на закупочную цену iс региона поставщика зерна. На листе “Потребители” в расчётной книге EXCEL приведены среднегодовые закупочные цены на зерновые по регионам потребителям в 2011г. [1]. В нескольких регионах Северо-Западного Федерального округа и Дальне-Восточного Федерального округа, где цены отсутствовали, записывалась средняя по регионам округа закупочная цена на зерно. Результаты решения транспортной задачи с учётом закупочной цены на зерно в регионах РФ приведены в двух таблицах В11 и В12. Жёлтым цветом отмечены изменившиеся по сравнению с таблицами В9 и В10 значения объёма распределяемого груза.
- 126. 126 Таблица В.11 –Таблица регионов – поставщиков зерна Округ России п/п Регион поставщик Предложение в млн. тонн Регионы Получатели Объём Вывоза 1. Белгородская обл. 0,3 Экспорт 0,3 2. Брянская обл. 0,18 Тульская обл. 0,18 3. Воронежская обл. 1,08 Экспорт 1,08 4. Калужская обл. 0,06 Тульская обл. 0,06 5. Курская обл. 0,37 Тульская обл. 0,25 Экспорт 0,12 Итого 0,37 6. Липецкая обл. 1,1 Экспорт 1,1 7. Орловская обл. 1,2 Тульская обл. 1,2 8. Рязанская обл. 0,46 Московская обл. 0,46 9. Смоленска обл. 0,09 Тверская обл. 0,04 Псковская обл. 0,05 Итого 0,09 Централь- ный Федераль- ный Округ 10. Тамбовская обл. 0,97 Экспорт 0,97 11. Респуб. Адыгея 0,03 Экспорт 0,03 12. Калмыкия 0,16 Экспорт 0,16 13. Краснодарский край 2,6 Экспорт 2,6 14. Волгоградская обл. 1,9 Экспорт 1,9 Южный Федераль- ный округ 15. Ростовская обл. 0,5 Экспорт 0,5 16. Дагестан 0,1 Экспорт 0,1 17. Ингушетия 0,05 Экспорт 0,05 18. Кабартино- Балкария 0,41 Экспорт 0,41 19. Карачаево- Черкессия 0,08 Экспорт 0,08 Северо- Кавказский Федераль- ный округ 20. Северная Осетия 0,16 Экспорт 0,16
- 127. 127 Продолжение таблицы В.11 21.Чечня 0,11 Экспорт 0,11 22. Ставропольский край 3,2 Экспорт 3,2 23. Башкортостан 1,97 Экспорт 1,97 24. Марий Эл 0,18 Экспорт 0,18 25. Мордовия 0,69 Экспорт 0,69 26. Татарстан 2,2 Московская обл. 0,94 Тверская обл. 0,14 Ярославская обл. 0,34 г. Москва 0,47 Экспорт 0,31 Итого 2,2 27. Удмуртия 0,2 Архангельская обл. 0,02 г. Санкт- Петербург 0,18 Итого 0,2 28. Чувашия 0,32 Тверская обл. 0,32 29. Кировская обл. 0,53 Костромская обл. 0,13 Республика Коми 0,03 Вологодская обл. 0,02 Ленинградская обл. 0,14 г. Санкт- Петербург 0,21 Итого 0,53 Приволж- ский Федераль- ный округ 30. Нижегородская обл. 0,86 Владимирская обл. 0,5
- 128. 128 Продолжение таблицы В11 Ивановскаяобл. 0,2 Ярославская обл. 0,16 Итого 0,86 31. Оренбургская обл. 2,4 Астраханская обл. 0,2 Экспорт 2,2 Итого 2,4 32. Пензенская обл. 0,79 Экспорт 0,79 33. Самарская обл. 0,75 Экспорт 0,75 34. Сараторская обл. 1,5 Экспорт 1,5 35. Ульяновская обл. 0,83 Экспорт 0,83 36. Калининградская обл. 0,13 Мурманская обл. 0,03 Республика Тыва 0,004 Камчатка 0,03 Магаданская обл. 0,002 Сахалинская обл. 0,004 Экспорт 0,06 Северо- Западный Федераль- ный округ Итого 0,13 37. Курганская обл. 1,5 Экспорт 1,5 38. Свердловская обл. 0,08 Пермский край 0,01 Ленинградская обл. 0,07 Итого 0,08 39. Тюменьская обл. 1,25 Карелия 0,01 Уральский Федераль- ный округ Новгородская обл. 0,02
- 129. 129 Продолжение таблицы В11 г.Санкт- Петербург 0,51 Экспорт 0,71 Итого 1,25 40. Челябинская обл. 1,00 Экспорт 1,00 41. Бурятия 0,07 Экспорт 0,07 42. Хакасия 0,09 Экспорт 0,09 43. Алтайский край 3,4 Республика Алтай 0,01 Экспорт 3,39 Итого 3,4 44. Забайкальский край 0,1 Ленинградская обл. 0,1 45. Красноярский край 2,1 Экспорт 2,1 46. Иркутская обл. 0,33 Экспорт 0,33 47. Кемеровская обл. 0,9 Экспорт 0,9 48. Новосибирская обл. 1,7 Экспорт 1,7 49. Омская обл. 3,00 Экспорт 3,00 Сибирский Федераль- ный округ 50. Томская обл. 0,08 Экспорт 0,08 51. Приморский край 0,13 Хабаровский край 0,104 Экспорт 0,026 Итого 0,13 52. Амурская обл. 0,18 Ленинградская обл. 0,16 Якутия 0,02 Итого 0,18 Дальне- Восточ- ный Федераль- ный округ 53. Еврейская автон. обл. 0,06 Хабаровский край 0,06 В таблице В.11, показывающей как изменились объёмы и маршруты перевозок зерна после того как в таблицу ценовых тарифов на перевозку была добавлена закупочная цена на зерно в регионе-поставщике, появились три изменения по
- 130. 130 сравнению с таблицей9, показывающей объёмы и маршруты без учёта закупочной цены на зерно. Таблица В.12 – Таблица регионов – потребителей зерна Округ России п/п Регион Потребитель Заявка в млн. тонн Регионы Поставщики Объём ввоза 1. Владимирская обл. 0,5 Нижегородская обл. 0,5 2. Ивановская обл. 0,2 Нижегородская обл. 0,2 3. Костромская обл. 0,13 Кировская обл. 0,13 4. Московская обл. 1,4 Рязанская обл. 0,46 Татарстан 0,94 Итого 1,4 5. Тверская обл. 0,5 Смоленская обл. 0,04 Татарстан 0,14 Чувашия 0,32 Централь- ный Федераль- ный Округ Итого 0,5 6. Тульская обл. 1,69 Брянская обл. 0,18 Калужская обл. 0,06 Курская обл. 0,25 Орловская обл. 1,2 Итого 1,69 7. Ярославская обл. 0,5 Респуб. Татарстан 0,34 Нижегородская обл. 0,16 Итого 0,5 8. г. Москва 0,47 Респуб. Татарстан 0,47 9. Астраханская обл. 0,2 Оренбургская обл. 0,2 10. Пермский край 0,01 Свердловская обл. 0,01 11. Карелия 0,01 Тюменская обл. 0,01 12. Коми 0,03 Кировская обл. 0,03 13. Архангельская обл. 0,02 Удмуртия 0,02 14. Вологодская обл. 0,02 Кировская обл. 0,02 15. Ленинградская обл. 0,47 Кировская обл. 0,14 Свердловская обл. 0,07 Забайкальский край 0,10 Амурская обл. 0,16 Итого 0,47 16. Мурманская обл. 0,03 Калининградская обл. 0,03 17. Новгородская обл. 0,02 Тюменьская обл. 0,02 18. Псковская обл. 0,05 Смоленская обл. 0,05 19. г. Санкт-Петербург 0,9 Респуб. Удмуртия 0,18 Кировская обл. 0,21
- 131. 131 Продолжение таблицы В.12 Тюменьскаяобл. 0,51 Итого 0,9 20. Республика Алтай 0,01 Алтайский край 0,01 21. Республика Тыва 0,004 Калининградская обл. 0,004 22. Якутия 0,02 Амурская обл. 0,02 23. Камчатка 0,03 Калининградская обл. 0,03 24. Хабаровский край 0,11 Приморский край 0,104 Еврейская автон. обл. 0,006 Итого 0,11 25. Магаданская обл. 0,002 Калининградская обл. 0,002 26. Сахалинская обл. 0,004 Калининградская обл. 0,004 27. Чукотка 0 0 28. Экспорт 37,046 Белгородская обл. 0,30 Воронежская обл. 1,08 Курская обл. 0,12 Липецкая обл. 1,1 Тамбовская обл. 0,97 Республика Адыгея 0,03 Республика Калмыкия 0,16 Краснодарский край 2,6 Волгоградская обл. 1,9 Ростовская обл. 0,5 Дагестан 0,1 Ингушетия 0,05 Кабардино- Балкария 0,41 Карачаево- Черкессия 0,08 Северная Осетия 0,16 Чечня 0,11 Ставропольский край 3,2 Башкортостан 1,97 Марий Эл 0,18 Мордовия 0,69
- 132. 132 Продолжение таблицы В.2 Татарстан0,31 Оренбургская обл. 2,2 Пензенская обл. 0,79 Самарская обл. 0,75 Саратовская обл. 1,5 Ульяновская обл. 0,83 Калининградская обл. 0,06 Курганская обл. 1,5 Тюменская обл. 0,71 Челябинская обл. 1,0 Бурятия 0,07 Хакасия 0,09 Алтайский край 3,39 Красноярский край 2,1 Иркутская обл. 0,33 Кемеровская обл. 0,9 Новосибирская обл. 1,7 Омская обл. 3,0 Томская обл. 0,08 Приморский край 0,026 Итого 37,046 Как видно из таблицы В.11, при добавлении в ж.-д. тариф закупочной цены региона-поставщика зерна, в схеме маршрутов и объёмах вывоза зерна произошли три изменения. Регион-поставщик Рязанская область вывозит в Московскую область 0,46 млн. тонн зерна. Регион-поставщик Татарстан вывозит в Московскую обл. 0,94 млн. тонн зерна (ранее было 1,4 млн. тонн), в г. Москву 0,47 млн. тонн зерна (ранее было 0,01 млн. тонн). Перечень ввозных регионов у Татарстана не изменился. Из таблицы В.12 следует, что при добавлении в ж.-д. тариф закупочной цены региона- поставщика зерна, в схеме маршрутов и объёмах ввоза зерна произошли тоже три изменения:
- 133. 133 а) регион-потребитель Московскаяобл. получает зерно из Рязанской обл. в объёме 0,46 млн. тонн и из Татарстана в объёме 0,94 млн. тонн (ранее получала только из Татарстана в объёме 1,4 млн. тонн). б) г. Москва получает из Татарстана 0,47 млн. тонн зерна. 7. Модификация транспортной задачи, связанная с учётом западных и восточных портов РФ Как было сказано ранее, в качестве экспортного зернового терминала в транспортной задаче рассматривался южный порт в г.Новороссийске с пропускным объёмом 13 млн. тонн зерна в год. В транспортной задаче этот порт обозначается как “Экспорт 1”. В качестве “Экспорт 2” будет рассматриваться ещё один южный порт в г. Туапсе, с пропускным объёмом в 2,5 млн. тонн зерна в год. В качестве западного порта будет рассматриваться порт в г. Санкт-Петербург, с пропускной возможностью 1 млн. тонн зерна в год (“Экспорт 3”). И в качестве восточного порта будет рассматриваться порт в г. Владивосток, с пропускной возможностью 1 млн. тонн зерна в год (“Экспорт 4”). В расчётах принимается, что экспортная цена на зерно во всех 4-х портах одинакова и равна среднегодовой экспортной цене на пшеницу по данным ФТС [3]. Результаты решения транспортной задачи с учётом закупочной цены на зерно в регионах РФ и использованием 4 портов России для экспорта зерна приведены в двух таблицах В.13 и В.14. Жёлтым цветом отмечены изменившиеся по сравнению с таблицами В.11 и В.12 значения объёма распределяемого груза, названия регионов, изменения в списке регионов.
- 134. 134 Таблица В.13 –Таблица регионов – поставщиков зерна Округ России п/п Регион Поставщик Предложение в млн. тонн Регионы Получатели Объём Вывоза 1. Белгородская обл. 0,3 Экспорт1 0,3 2. Брянская обл. 0,18 Тверская обл. 0,18 3. Воронежская обл. 1,08 Экспорт1 0,2 4. Калужская обл. 0,06 Тверская обл. 0,06 5. Курская обл. 0,37 Тульская обл. 0,37 6. Липецкая обл. 1,1 Тульская обл. 0,12 Экспорт1 0,98 Итого 1,1 7. Орловская обл. 1,2 Тульская обл. 1,2 8. Рязанская обл. 0,46 Московская 0,22 г. Москва 0,24 Итого 4,6 9. Смоленска обл. 0,09 Тверская обл. 0,04 Псковская обл. 0,05 Итого 0,09 Централь- ный Федераль- ный Округ 10. Тамбовская обл. 0,97 г. Москва 0,23 Экспорт1 0,74 11. Респуб. Адыгея 0,03 Экспорт2 0,03 12. Калмыкия 0,16 Экспорт1 0,16 13. Краснодарский край 2,6 Экспорт1 2,6 14. Волгоградская обл. 1,9 Экспорт1 1,9 Южный Федераль- ный округ 15. Ростовская обл. 0,5 Экспорт1 0,5 16. Дагестан 0,1 Экспорт2 0,1 17. Ингушетия 0,05 Экспорт2 0,05 18. Кабартино- Балкария 0,41 Экспорт2 0,41 19. Карачаево- Черкессия 0,08 Экспорт2 0,08 20. Северная Осетия 0,16 Экспорт2 0,16 21. Чечня 0,11 Экспорт2 0,11 Северо- Кавказский Федераль- ный округ 22. Ставропольский край 3,2 Экспорт1 1,64 Экспорт2 1,56 Итого 3,2 23. Башкортостан 1,97 Экспорт4 1,97 24. Марий Эл 0,18 Экспорт4 0,18 25. Мордовия 0,69 Москвовская обл. 0,69 26. Татарстан 2,2 Московская обл. 0,49 Приволж- ский Федераль- ный округ Ленинградская обл. 0,29
- 135. 135 Продолжение таблицы В.13 г.Санкт- Петербург 0,9 Экспорт3 0,52 Итого 2,2 27. Удмуртия 0,2 Пермский край 0,01 Экспорт4 0,19 Итого 0,2 28. Чувашия 0,32 Тверская обл. 0,22 Ленинградская обл. 0,1 Итого 0,32 29. Кировская обл. 0,53 Республика Коми 0,03 Архангельская обл. 0,02 Экспорт3 0,48 Итого 0,53 30. Нижегородская обл. 0,86 Ивановская обл. 0,2 Костромская обл. 0,13 Вологодская обл. 0,02 Ярославская обл. 0,50 Ленинградская обл. 0,01 Итого 0,86 31. Оренбургская обл. 2,4 Экспорт4 2,4 32. Пензенская обл. 0,79 Владимирская обл. 0,5 Экспорт1 0,29 Итого 0,79 33. Самарская обл. 0,75 Экспорт1 0,75 34. Саратовская обл. 1,5 Астраханская обл. 0,2 Экспорт1 1,3 Итого 1,5 35. Ульяновская обл. 0,83 Экспорт1 0,76 Экспорт2 0,07 36. Калининградская обл. 0,13 Карелия 0,01 Ленинградская обл. 0,07 Мурманская обл. 0,03 Северо- Западный Федераль- ный округ Новгородская обл. 0,02
- 136. 136 Продолжение таблицы В.13 Итого0,13 37. Курганская обл. 1,5 Экспорт4 1,5 38. Свердловская обл. 0,08 Якутия 0,02 Экспорт4 0,06 Итого 0,08 39. Тюменьская обл. 1,25 Экспорт4 1,25 Уральский Федераль- ный округ 40. Челябинская обл. 1,00 Экспорт4 1,00 41. Бурятия 0,07 Экспорт4 0,07 42. Хакасия 0,09 Экспорт4 0,09 43. Алтайский край 3,4 Республика Алтай 0,01 Экспорт4 3,39 Итого 3,4 44. Забайкальский край 0,1 Экспорт4 0,1 45. Красноярский край 2,1 Экспорт4 2,1 46. Иркутская обл. 0,33 Экспорт4 0,33 47. Кемеровская обл. 0,9 Экспорт4 0,9 48. Новосибирская обл. 1,7 Экспорт4 1,7 49. Омская обл. 3,00 Экспорт4 3,00 Сибирский Федераль- ный округ 50. Томская обл. 0,08 Экспорт4 0,08 51. Приморский край 0,13 Экспорт4 0,13 52. Амурская обл. 0,18 Хабаровский край 0,104 Экспорт4 0,076 Итого 0,18 Дальне- Восточ- ный Федераль- ный округ 53. Еврейская автон. Обл. 0,06 Хабаровский край 0,06 После добавления новых портов изменений в маршрутизации и значениях распределяемых объёмов зерна стало гораздо больше, чем после суммирования закупочной цены региона-поставщика в ценовой тариф для перевозки. После добавления новых портов произошли изменения в распределении зерна в Центральном Федеральном округе. Так Брянская область направляет теперь зерно в Тверскую область (ранее в Тульскую). Калужская область продаёт зерно в Тверскую область (ранее в Тульскую). Липецкая область везёт зерно в Тульскую область (ранее на экспорт). Тамбовская область в Москву (ранее на экспорт) и другие. Существенные изменения в маршрутизации после добавления новых портов произошли для Северо-Кавказского Федерального округа. Экспорт зерна из
- 137. 137 большинства регионов этогоокруга был перенаправлен из Новороссийска в Туапсе. И только для Ставропольского края экспорт был разделён на 2 части и направлен в Новороссийск в объёме 1,64 млн. тонн и в Туапсе 1,56 млн. тонн. В Приволжском Федеральном округе тоже произошли перераспределения экспортных потоков. Так, зерно из Башкортостана и Марий Эл выгоднее стало направлять не в порт Новороссийск, а в порт Владивосток. Напротив, зерно из Мордовии вместо экспорта в этой схеме направляется теперь в Московскую область. Татарстан направляет теперь зерно не только в Московскую обл., но и в Ленинградскую область, в г.Санкт-Петербург, и в порт города Санкт-Петербург. Поменялись получатели зерна из Удмуртии. Ими стали теперь: Пермский край и зерновой терминал порта Владивосток. Наполовину сменились потребители Кировской области. В списке регионов получателей появилась Архангельская область и порт г.Санкт-Петербург. Новые потребители добавились у региона – поставщика Нижегородской области. Это Костромская, Вологодская и Ленинградская области. Саратовская область начала снабжать зерном Астраханскую область. Ульяновская область разделила экспорт на 2 части: в г.Новороссийск и в г.Владивосток. В Северо-Западном Федеральном округе у единственного региона-поставщика Калининградской области возник новый потребитель – Карелия. В программе поставлены семафоры на доставку зерна из Калининградской области в следующие регионы: Тыва, Камчатка, Магаданская область и Сахалинская область. Перевоз небольших объёмов зерна на громадные расстояния в регионы Дальневосточного Федерального округа и Сибирского Федерального округа является экономически нецелесообразным. И, поэтому, в результатах расчёта заявки этих регионов остались невыполненными. Для регионов-поставщиков Уральского, Сибирского и Дальне-Восточного Федеральных округов весь экспорт зерна за рубеж программа перенаправила в восточный порт г.Владивосток.
- 138. 138 Таблица В.14 –Таблица регионов – потребителей зерна Округ России п/п Регион Потребитель Заявка в млн. тонн Регионы Поставщики Объём Ввоза 1. Владимирская обл. 0,5 Пензенская обл. 0,5 2. Ивановская обл. 0,2 Нижегородская обл. 0,2 3. Костромская обл. 0,13 Нижегородская обл. 0,13 4. Московская обл. 1,4 Рязанская обл. 0,22 Мордовия 0,69 Татарстан 0,49 Итого 1,4 5. Тверская обл. 0,5 Брянская обл. 0,18 Калужская обл. 0,06 Смоленская обл. 0,04 Чувашия 0,22 Централь- Ный Федераль- ный Округ Итого 0,5 6. Тульская обл. 1,69 Курская обл. 0,37 Липецкая обл. 0,12 Орловская обл. 1,2 Итого 1,69 7. Ярославская обл. 0,5 Нижегородская обл. 0,5 8. г. Москва 0,47 Рязанская обл. 0,24 Тамбовская 0,23 Итого 0,47 9. Астраханская обл. 0,2 Саратовская обл. 0,2 10. Пермский край 0,01 Удмуртия 0,01 11. Карелия 0,01 Калининградская обл. 0,01 12. Коми 0,03 Кировская обл. 0,03 13. Архангельская обл. 0,02 Кировская обл. 0,02 14. Вологодская обл. 0,02 Нижегородская обл. 0,02 15. Ленинградская обл. 0,47 Татарстан 0,29 Чувашия 0,1 Нижегородская обл. 0,01 Калининградская обл. 0,07 Итого 0,47 16. Мурманская обл. 0,03 Калининградская обл. 0,03 17. Новгородская обл. 0,02 Калининградская обл. 0,02 18. Псковская обл. 0,05 Смоленская обл. 0,05 19. г. Санкт-Петербург 0,9 Татарстан 0,9 20. Республика Алтай 0,01 Алтайский край 0,01
- 139. 139 Продолжение таблицы В.14 21.Республика Тыва 0,004 0 0 22. Якутия 0,02 Свердловская обл. 0,02 23. Камчатка 0,03 0 0 24. Хабаровский край 0,11 Амурская обл. 0,104 Еврейская автон. обл. 0,006 Итого 0,11 25. Магаданская обл. 0,002 0 0 26. Сахалинская обл. 0,004 0 0 27. Чукотка 0 0 28. Экспорт1 13 Белгородская обл. 0,30 Воронежская обл. 1,08 Липецкая обл. 0,98 Тамбовская обл. 0,74 Республика Калмыкия 0,16 Краснодарский край 2,6 Волгоградская обл. 1,9 Ростовская обл. 0,5 Ставропольский край 1,64 Пензенская обл. 0,29 Самарская обл. 0,75 Саратовская обл. 1,3 Ульяновская обл. 0,76 Итого 13 29. Экспорт2 2,5 Республика Адыгея 0,03 Дагестан 0,1 Ингушетия 0,05 Кабардино- Балкария 0,41 Карачаево- Черкессия 0,08 Северная Осетия 0,16 Чечня 0,11 Ставропольский край 1,56 Итого 2,5 30. Экспорт3 1,0 Татарстан 0,52 Кировская обл. 0,48 Итого 1,0
- 140. 140 Продолжение таблицы В.14 31.Экспорт4 20,59 Башкортостан 1,97 Марий Эл 0,18 Удмуртия 0,19 Оренбургская обл. 2,4 Ульяновская обл. 0,07 Курганская обл. 1,5 Свердловская обл. 0,06 Тюменская обл. 1,25 Челябинская обл. 1,0 Бурятия 0,07 Хакасия 0,09 Алтайский край 3,39 Забайкальский край 0,1 Красноярский край 2,1 Иркутская обл. 0,33 Кемеровская обл. 0,9 Новосибирская обл. 1,7 Омская обл. 3,0 Томская обл. 0,08 Приморский край 0,13 Амурская обл. 0,076 Итого 20,59
- 141. 141 В таблице В.15перечислены регионы-потребители зерна и объёмы зерна, необходимые для региона, рассчитанные по модели в сравнении с фактически ввезённым в 2011 г. объёмом зерна по железной дороге [2]. Таблица В.15 – Таблица регионов – потребителей зерна Округ России п/п Регион Потребитель Заявка в тыс. тонн Факт. объём в тыс. тонн Отличие в % 1. Владимирская обл. 500 40 1150,0 2. Ивановская обл. 200 54,1 269,7 3. Костромская обл. 130 58,9 120,7 4. Московская обл. 1400 444,3 215,1 Централь- Ный Федераль-ный Округ 5. Тверская обл. 500 280,6 78,2 6. Тульская обл. 1690 207,8 713,3 7. Ярославская обл. 500 206,9 141,7 8. г. Москва 470 261,8 79,5 Южный ФО 9. Астраханская обл. 200 4,0 4900,0 Приволжский ФО 10. Пермский край 10 289,5 -96,5 11. Карелия 10 11,4 -12,3 12. Коми 30 26,6 12,8 13. Архангельская обл. 20 24,3 -17,7 14. Вологодская обл. 20 189,1 -89,4 15. Ленинградская обл. 470 739,9 -36,5 16. Мурманская обл. 30 34,8 -13,8 17. Новгородская обл. 20 82,0 -75,6 18. Псковская обл. 50 27,2 83,8 Северо-Зап. ФО 19. г. Санкт-Петербург 900 513,3 75,3 Сибирский ФО 20. Республика Алтай 10 0 - 21. Республика Тыва 4 0 - 22. Якутия 20 12 66,7 23. Камчатка 30 0 - 24. Хабаровский край 110 102,0 7,8 25. Магаданская обл. 2 0 - 26. Сахалинская обл. 4 6,8 -41,2 Дальневосточный Федеральный Округ 27. Чукотка 0 0 0 Как видно из таблицы В.15, разброс в разнице заявленных в модели и фактически поставленных по железной дороге в 2011г. объёмов зерна очень большой. Причём большие отличия присутствуют как в сторону фактического
- 142. 142 недовоза зерна дообъёма заявки, так и в сторону ввоза лишнего объёма зерна сверх объёма заявки. Для некоторых регионов, в основном в Северо-Западном Федеральном округе и Дальневосточном Федеральном округе отличия фактического и модельного объёма поставки зерна укладывается в диапазон (+/-) 20%. Но таких регионов немного, всего лишь 5. Из таблицы В15 также видно, что в 2011г. не было фактических поcтавок зерна в следующие регионы: Республика Алтай, Республика Тыва, Магаданская область и Чукотка. И, если в рассмотренной модели для Чукотки не было заявки на ввоз зерна, то для Республики Алтай, Тыва и Магаданской области фактический ввоз отсутствовал при наличии заявки на ввоз в модели. Вполне возможно, что заявленные в модели в эти регионы объёмы зерна поставлялись не по железной дороге, в другими видами транспорта. Выше было сказано, что в калькуляторе РЖД отсутствуют тарифы для Чукотки, Магаданской области и ряда других регионов. Если сравнить список регионов-поставщиков, ввозящих зерно в регионы- получатели, то для каждого региона-получателя этот фактический список намного шире, чем в модели, и, зачастую, не содержит поставщиков, рекомендуемых моделью. Так, например, для региона-получателя Владимирской области в модели рекомендуются 2 близлежащих региона-поставщика: Белгородская область, поставляющая по результатам оптимизации 300 тыс. тонн зерна и Воронежская область, поставляющая 200 тыс. тонн. В то же время небольшой фактический объём в 40 тыс. тонн в 2011г. поставляли во Владимирскую область мелкими партиями 13 регионов: Курская, Тамбовская, Ростовская области, Ставропольский и Краснодарский край, Ульяновская, Самарская, Саратовская, Волгоградская, Оренбургская области, Республика Башкортостан, Нижегородская и Омская области. Среди этих фактических поставщиков самым крупным был далеко отстоящий Краснодарский край с объёмом в 5,5 тыс. тонн. Этот и другие примеры и сравнения говорят о том, что рассмотренная модель сможет значительно сократить интегрированные расходы на поставку зерна
- 143. 143 железнодорожным транспортом втечении года, а также более полно удовлетворить потребности в зерне в регионах-получателях и увеличить доходы от вывоза зерна в регионах-поставщиках. Эффективным средством для поставки зерна крупными партиями от регионов- поставщиков зерна к регионам-получателям является создание развитой и объёмной сети элеваторов в различных уголках России. В настоящий момент в РФ насчитывается 397 элеваторов. Наибольшее количество элеваторов сосредоточено в Волгоградской и Саратовской областях – по 29. Ростовская область имеет 24 элеватора. Новосибирская область – 21 элеватор. В Ставропольском крае размещено 20 элеваторов.