Прогнозирование развития кормопроизводства и сопряженного с ним молочного скотоводства с использованием методов экономико-математического моделирования

Размещено на http://www.allbest.ru/

Прогнозирование развития кормопроизводства и сопряженного с ним молочного скотоводства с использованием методов экономико-математического моделирования

Н.В. Тютюма

А.А. Айтпаева

Актуальность. В современных условиях возрастает роль экономических методов при прогнозировании развития отдельных отраслей сельского хозяйства. Астраханская область располагается на юге России в аридной зоне. Две третьих пахотных земель в регионе не используются. Преимущественный упор на выращивание овощей и картофеля обусловил появление многочисленных проблем в растениеводстве Астраханской области. Накопление вредных объектов, снижение почвенного плодородия, отрицательный баланс гумуса ставит под удар основное средство сельскохозяйственного производства - орошаемую и богарную пашню. В связи с этим возрастает роль экономико-математических методов при оптимизации структуры посевных площадей, расширении посевов кормовых культур в региональном АПК, преодолении отрицательного баланса гумуса. Объект. Объектом исследований выступали площади кормовых культур, валовые сборы кормов, численность крупного рогатого скота, в том числе коров, и их молочная продуктивность. Материалы и методы. В исследовании использовались методы экономико-математического моделирования с целью прогнозирования развития кормопроизводства и молочного скотоводства в региональном АПК. Результаты и выводы. Результаты исследований показали, что площади кормовых культур, производство кормов, поголовье КРС, в том числе коров, и производство молока имеют положительную линию тренда. Однако темпы роста являются недостаточными, и регион в ближайшие 5-10 лет при сохранении существующей тенденции не сможет за счет внутреннего производства обеспечить продовольственную безопасность населения по молоку и молочным продуктам.

Ключевые слова: отрицательный баланс гумуса, кормовые культуры, экономико-математическое моделирование, продовольственная безопасность.

Введение

В современных условиях в Астраханской области ситуация с использованием пахотных земель продолжает оставаться напряженной. Значительные массивы пашни брошены и не используются уже несколько десятилетий. Особую тревогу, как отмечает И. Г. Ушачев, вызывает наблюдающийся отрицательный баланс гумуса. Потеря плодородия основного ресурса сельскохозяйственного производства - орошаемой и богарной пашни - может привести к ухудшению параметров продовольственной безопасности на региональном уровне. В современных условиях Астраханская область обеспечивает продовольственную независимость за счет регионального производства только по овощным, бахчевым культурам, картофелю, яйцу пищевому и баранине. Диспропорции в развитии растениеводческих отраслей, нарушение системы научно-обоснованных севооборотов, игнорирование принципов зонального районирования сельскохозяйственных культур по зонам Астраханской области усугубляют ситуацию с производством сельскохозяйственной продукции в регионе и продовольственной самообеспеченностью в целом. Вышеперечисленные обстоятельства вызывают необходимость поиска путей преодоления негативных тенденций, одним из которых может стать расширение посевных площадей кормовых культур, значительно улучшающих почвенное плодородие. В этом плане особый интерес представляют многолетние бобовые травы, такие как люцерна, донник, эспарцет и другие, способные за счет симбиоза с клубеньковыми бактериями фиксировать атмосферный азот и накапливать его в почве, тем самым стабилизируя ситуацию с балансом гумуса и значительно улучшая почвообразовательные процессы на пахотных массивах.

Основоположниками классических направлений применения экономикоматематических методов в сфере планирования и управления земельными ресурсами на уровне сельскохозяйственных предприятий стали Р. Г. Кравченко, И. Г. Попов, которые ставили перед собой задачи оптимизации размещения посевных площадей. Сущность данных задач сводится к выделению территориальных единиц и оптимизации структуры посевных площадей, исходными данными являются значения урожайности различных сельскохозяйственных культур и количество вносимых удобрений по каждой территориальной единице. Критерий оптимальности - соотношение посевных площадей, которое необходимо для удовлетворения потребностей с минимальными затратами.

Необходимо отметить, что экономико-математическое моделирование как основа прогнозирования сводится к оптимизации структуры посевных площадей с учетом принципов зонального районирования сельскохозяйственных культур и с обязательным выполнением двух основополагающих условий, описанных в трудах В. С. Шевелухи: соответствие генотипа и среды, сорта и технологии. Внедрение научно-обоснованных многопольных севооборотов, планирование посевных площадей, внедрение цифровых инструментов для мониторинга состояния пашни позволят значительно улучшить состояние пахотных массивов и преодолеть последствия отрицательного баланса гумуса. Изучению экономико-математического моделирования как основы прогнозирования урожайности сельскохозяйственных культур посвящены исследования С. В. Анисимовой [1], Л. Б. Винничек, Г. А. Волковой, О. Н. Сухановой [2] и др.

В настоящее время ученые активно работают над вопросами прогнозирования урожая основных сельскохозяйственных культур (А. Н. Есаулко [5], В. Ю. Листков [6], К. Е. Сокаев и др. [9], Н. В. Степных и др. [7], З. И. Усанов, Н. С. Черников [10] и др.).

Материалы и методы

Целью исследований является разработка экономикоматематической модели прогнозирования валовых сборов кормовых культур в аридной зоне в контексте глобальных экологических вызовов и преодоления отрицательного баланса гумуса. Постановка цели обусловила выделение следующих задач: 1. Выявить взаимозависимость развития кормопроизводства и молочного скотоводства. 2. Разработать экономико-математическую модель прогнозирования развития кормопроизводства и молочного скотоводства в региональном АПК. Исследование отличает системный подход, направленный на комплексное изучение поставленных задач. В исследованиях найдут широкое применение фундаментальные положения теории систем и экономикоматематического моделирования. Методы экономико-математического моделирования позволят определить тренды развития производства кормовых культур в конкретном регионе.

экономико математическое моделирование кормопроизводство

Результаты и обсуждение

В современных условиях молочную продуктивность коров в регионе можно выразить как производную функцию трех переменных, среди которых генетический потенциал молочной продуктивности породы, уровень кормления и содержания:

где ГПП - генетический потенциал молочной продуктивности породы скота, К - уровень кормления, С - условия содержания.

Обязательное условие заключается в том, что молочная порода скота должна быть адаптирована к конкретным условиям региона, в том числе и к кормовой базе.

Сложность преодоления дефицита производства кормов и молока в ближайшие годы подтверждает разработанная экономико-математическая трендовая модель на основе полиноминальных кривых роста (таблица 1).

Таблица 1 - Расчет промежуточных показателей для оценки параметров регрессии (площадь кормовых культур)

Анализ проводился с помощью создания трендовых моделей экономической динамики с последующим прогнозированием площади кормовых культур и производства кормов в Астраханской области. Прогнозирование на основе временного ряда экономических показателей относится к одномерным методам прогнозирования, основанным на продлении на будущее тенденции, наблюдавшейся в прошлом. В исследованиях применялся метод экстраполяции, результатом которого явилось определение полиномиальных кривых роста (полинома первой степени).

Анализ данных таблицы 1 показал, что площадь кормовых культур в регионе с 2011 по 2020 гг. возросла в 1,6 раза. Оценка параметров регрессии: а1=88265/82,5=1069,9; а0=17278,5-1069,9х5,5=11394,1.

Таблица 2 - Расчет промежуточных показателей для оценки параметров регрессии (производство кормов)

Производство кормов в Астраханской области с 2011 по 2020 гг. возросло в 1,6 раза. Оценка параметров регрессии: Оценка параметров регрессии: а1=240217,9/82,5=2911,7; а0=60625,7-2911,7х5,5=44611,4.

Таблица 3 - Расчет промежуточных показателей для оценки параметров регрессии (поголовье КРС)

В исследованиях рассматривается 10-летний период - с 2011 по 2020 гг. Поголовье КРС в регионе с 2011 по 2020 гг. возросло в 1,12 раза. Оценка параметров регрессии: а1=278/82,5=3,37; а0=281,9-3,37х5,5=263,4.

Таблица 4 - Расчет промежуточных показателей для оценки параметров регрессии (поголовье коров)

Поголовье коров в АПК Астраханской области за 10 лет увеличилось в 1,1 раза. Оценка параметров регрессии: а1=124,4/82,5=1,5; а0=148,7-1,5х5,5=140,45.

Таблица 5 - Расчет промежуточных показателей для оценки параметров регрессии (производство молока)

Производство молока в регионе с 2011 по 2020 гг. возросло в 1,1 раза. Оценка параметров регрессии: а1=104,9/82,5=1,3; а0=173-1,3х5,5=165,9.

Проведенные расчеты позволили обозначить тренды развития кормопроизводства и молочного скотоводства в Астраханской области (таблица 6)

Таблица 6 - Тренды развития молочного скотоводства в Астраханской области

Согласно полученным результатам, такие показатели, как площади кормовых культур, производство кормов, поголовье КРС, в том числе коров и производство молока имеют положительную линию тренда (таблица 6).

Вместе с тем в регионе ежегодный рост объемов производства кормов и молока остается недостаточным, и в ближайшие годы Астраханская область не сможет достичь нижнего порога продовольственной безопасности по молоку и молочным продуктам. Данное положение также подтверждено исследованиями Р А. Набиева, Р К. Арыкабаева, А. А. Айтпаевой [8], Timofeeva G. V., Akmaeva R. I., Aitpaeva A. A. [11, 12]. Большинство ученых сходятся во мнении о том, что кормопроизводство и молочное скотоводство необходимо рассматривать как взаимозависимую систему, в которой производство кормов выступает функцией, а молочная продуктивность коров - производной функции.

Таблица 7 - Необходимый и прогнозируемый объем производства молока в Астраханской области

Выводы.

Результаты исследований показали, что за рассматриваемый 10-летний период посевные площади под кормовыми культурами и валовые сборы кормов возросли в 1,6 раза, тогда как молочная продуктивность коров всего в 1,1 раза. Этот факт свидетельствует о том, что увеличение урожайности кормовых культур и количество потребляемых сельскохозяйственными животными кормов не гарантирует ускоренного роста производства молока. Молочная продуктивность коров во многом определяется полноценностью и сбалансированностью кормовых рационов по потреблению основных питательных веществ, макро- и микроэлементов.

Библиографический список

1. Анисимова С.В. Применение методов математического моделирования в аграрной экономике // Научные записки молодых исследователей. 2015. № 6. С. 44-48.

2. Винничек Л. Б., Волкова Г. А., Суханова О. Н. Экономико-математическое моделирование как инструмент прогнозирования в растениеводстве // Московский экономический журнал. 2021. № 11. С. 270-278.

3. Влияние длительного применения удобрений на показатели роста, урожайность и качество зерна озимой пшеницы / С. Х. Дзанагов, Т. К. Лазаров, Б. С. Калоев, З. А. Кубатиева, Р.

В. Калагова // Агрохимия. 2019. № 4. С. 31-38.

4. Воронов С. И., Плескачев Ю. Н., Ильяшенко П. В. Конвергентный подход к управлению урожаем озимой пшеницы // Международный сельскохозяйственный журнал. 2020. № 1 (373). С. 79-80.

5. Есаулко А. Н., Ожередова А. Ю., Громова Н. В. Оптимизация питания сортов озимой пшеницы путем внесения расчетных доз минеральных удобрений на планируемый уровень урожайности // Агрохимический вестник. 2018. № 4. С. 3-7.

6. Листков, В. Ю. Основы программирования урожайности овса в зависимости от различных факторов в условиях Новосибирской области // Вестник Курской государственной сельскохозяйственной академии. 2018. № 8. С. 60-65.

7. Методы анализа и проектирования системы удобрения яровой пшеницы для формализации принятия решений в условиях Зауралья / Н. В. Степных, А. Н. Копылов, Е. В. Нестерова, А. М. Заргарян // Агрохимия. 2020. № 4. С. 19-29.

8. Набиев Р. А., Арыкбаев Р. К., Айтпаева А. А. Продовольственная безопасность региона: оценка и пути обеспечения // Вестник Астраханского технического университета. Серия экономика-2016. -№3.-С.53-61

9. Рекомендации по программированию урожаев кукурузы на основных типах почв предгориий Северного Кавказа / К. Е. Сокаев, В. В. Бестаев, С. М. Бесланеев, Р. М. Сокаева // Агрохимический вестник. 2020. № 6. С. 12-14.

10. Усанова З. И., Черникова Н. С. Формирование запрограммированных урожаев разных сортов картофеля // Успехи современного естествознания. 2020. № 3. С. 40-49.

11. Timofeeva G. V., Akmaeva R. I., Aitpaeva A. A. Strategic directions of development of dairy cattle breeding in the region in the conditions of modern challenges // Competitive, sustainable and safe development of the regional economy: response to global challenges: International scientific conference. Volgograd, 2019. № 39.

12. Timofeeva G. V., Akmaeva R. I., Aitpaeva A. A. Benchmarking Study on the Level of Food Security of Southern Russia Regions on the Basis of Innovative Approaches // Competitive, sustainable and safe development of the regional economy: a response to global challenges. Volgograd, 2018. № 39.

Размещено на Allbest.ru