Dr. Ivan Foltýn

Transkript

Dr. Ivan Foltýn

24.03.2016
Modelování ekonomických procesů v zemědělství
a predikce dopadů budoucích variant SZP EU do agrárního
sektoru
Popis modelů a metodologie modelování
RNDr. Ivan Foltýn, CSc. a spolupracovníci
Ústav zemědělské ekonomiky a informací Praha (ÚZEI)
Náměšť nad Oslavou, 24. 03. 2016
Modelování ekonomických procesů
v zemědělství
Obsah:
• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
1
SYSTÉM MODELŮ PRO SIMULACE DOPADŮ AGRÁRNÍ POLITIKY
MODELOVÉ SCÉNÁŘE ZEMĚDĚLSKÉ POLITIKY
MODEL FARMA–4
MODEL RENT–4
Rentabilita zemědělských komodit
Model typových farem TF-1
Výpočet ekonomiky typových farem pro rok 2012
Predikce ekonomiky typových farem pro rok 2015
Krmné dávky pro skot
Výpočet ekonomiky typových farem pro rok 2012
Predikce ekonomiky typových farem pro rok 2015
Dotační kalkulačka pro odhad podpor zemědělského podniku pro rok 2015
Literatura
SYSTÉM MODELŮ PRO SIMULACE
DOPADŮ AGRÁRNÍ POLITIKY
• Regionální optimalizační model FARMA–4, který
simuluje optimalizované ekonomické chování
průměrných zemědělských subjektů (typových farem)
ve specifických podmínkách výrobních oblastí ČR a při
zohlednění opatření zemědělské politiky.
• Ekonometrický model RENT–4, který zkoumá dopady
různých scénářů zemědělské politiky na ekonomiku
jednotlivých zemědělských komodit.
• Uvedený modelový aparát se opírá i o dříve vyvinutý
model AGRO-ŽV, který podrobně řeší technologickoekonomické vazby rostlinné a živočišné výroby.
1
24.03.2016
1
• Uvedené modely se opírají o stejnou výchozí
bázi údajů o zemědělských komoditách
sledovaných od roku 1994 ve VÚZE/ÚZEI
v rámci výběrového šetření nákladů (šetření
NAKL).
• Jde o soubor 37 vybraných zemědělských
komodit (25 rostlinných a 12 živočišných),
které pokrývají zhruba 97 % zemědělské půdy.
1
•
•
•
•
•
•
•
•
•
•
1
•
•
•
•
•
•
•
•
•
•
Jedná se o následující rostlinné komodity:
A1-PSoz – pšenice ozimá,
A2-PSjr – pšenice jarní,
A3-ZI – žito,
A4-JCoz – ječmen ozimý,
A5-JCjr – ječmen jarní,
A6-OV – oves,
A7-TRI – triticale,
A8-KUZ – kukuřice na zrno,
A9-HR – hrách,
A10-RE – řepka,
A11-MAK – mák,
A12-SLU – slunečnice,
A13-CU – cukrovka,
A14-BRK – brambory konzumní,
A15-LEN – len přadný,
A16-CHM – chmel,
A17-HRO – réva vinná,
A18-KMI – kmín,
2
24.03.2016
1
•
•
•
•
•
•
•
1
A19-KUS – kukuřice silážní,
A20-OJP – ostatní jednoleté pícniny,
A21-VLP – víceleté pícniny,
A22-LOU – louky,
A23-PAS – pastviny,
A24-JAB – jablka,
A25-MER – meruňky.
• V ŽV se jedná o následující komodity:
A26-D1/MLE – dojnice/mléko,
• A27-TEL – telata do 6 měsíců,
• A28-JAL – jalovice do 5. měsíce březosti,
• A29-VBJ – vysokobřezí jalovice,
• A30-VB – výkrm býků,
• A31-KBTPM – krávy bez tržní produkce mléka,
1
•
•
•
•
•
•
A32-PRA – prasnice,
A33-PKY – prasničky,
A34-PVP – předvýkrm prasat,
A35-VP – výkrm prasat,
A36-BRO – jatečná kuřata,
A37-NOS/VEJ – slepice/vejce.
3
24.03.2016
1
• Všechny výše uvedené komodity jsou sledovány
v nákladové struktuře podle výrobních oblastí
• VO1 představuje kukuřičnou a řepařskou oblast
(KR),
• VO2 bramborářskou oblast (BR),
• VO3 bramborářsko-ovesnou a horskou oblast
(BH)
• VO4 průměr za ČR celkem (CR).
Struktura vstupů
Pro modelové výpočty jsou využívány časové řady za období 1995-2012. Každá
komodita je reprezentována 10 ukazateli: y = hektarový výnos/užitkovost zvířat a x1, … , x9
nákladové položky ze šetření NAKL (některé položky jsou agregací výchozích položek
šetření). Struktura položek je následující:
Tab. 1.1 - Struktura položek šetření NAKL
y
x1
x2
x3
x4
x5
x6
x7
x8
x9
RV (na 1 ha)
ha výnos
nakupovaná osiva
vlastní osiva
nakupovaná hnojiva
vlastní hnojiva
přípravky ochrany rostlin
náklady na mechanizaci
ostatní přímé náklady a služby
mzdové a osobní náklady
fixní náklady pro RV
2
y
x1
x2
x3
x4
x5
x6
x7
x8
x9
ŽV (na 100 KD/1000 KD)
užitkovost
nakupovaná krmiva
vlastní krmiva
léčiva
náklady na mechanizaci
ost. přímé náklady a služby
odpisy DHNM
odpisy zvířat
mzdové a osobní náklady
fixní náklady pro ŽV
MODELOVÉ SCÉNÁŘE
ZEMĚDĚLSKÉ POLITIKY
• Východiskem pro simulaci dopadů zemědělské politiky,
zejména po roce 2013, je vymezení komplexních
scénářů politiky uplatnitelných v modelových
nástrojích.
• Vymezené scénáře vycházejí jak ze současných trendů,
tak z aktuálních předpokladů o budoucích změnách
zemědělské politiky po roce 2013.
• Komplexnost podmínek ve scénářích se opírá o
předpoklady budoucí SZP EU z pozice ČR, včetně otázek
možných změn zemědělské produkce v důsledku
klimatických změn, posilování environmentálních
funkcí zemědělství či liberalizace trhu.
4
24.03.2016
2
MODELOVÉ SCÉNÁŘE
ZEMĚDĚLSKÉ POLITIKY
• Základními parametry, s nimiž scénáře pracují, jsou:
• cílové období a vstupující aktivity (produkty);
• opatření Pilíře I. (přímé platby oddělené od produkce,
modulace plateb, jejich alokace, využití čl. 68 pro
platby spojené s produkcí citlivých komodit, národní
podpory);
• opatření Pilíře II. (jednak výše plateb LFA a jejich
alokace na TTP nebo na celkovou výměru z. p., jednak
rozsah a výše uplatňovaných agro-environmentálních
opatření);
• implementace faktorů rizikovosti (variabilita v cenách a
výnosech).
3
MODEL FARMA–4
• Model FARMA–4
• je optimalizačním modelem ekonomického a
ekologického chování zemědělských podniků
v podmínkách české zemědělské politiky, resp.
SZP
• vyhodnocuje dopady různých scénářů
zemědělské politiky na ekonomické chování
podniků,
• maximalizuje zisk nebo čistou přidanou hodnotu
• využívá se i pro simulaci dopadů zemědělství na
životní prostředí.
3
MODEL FARMA–4
• Model FARMA–4 simuluje optimální chování
zemědělských podniků s ohledem na:
• vnější ekonomické podmínky a ekonomické a
strukturální charakteristiky podniků
(ekonomická optimalizace);
• ekologické podmínky fungování podniků,
zejména pokud jde o vztahy k zemědělské
půdě a dalším složkám životního prostředí
(ekologická optimalizace).
5
24.03.2016
3
MODEL FARMA–4
• Pro simulaci dopadů zemědělské politiky se
konstruují tzv. typové farmy
• reprezentují určité přesně vymezené kategorie
podniků s průměrnými ukazateli
• vycházejí z dostupných šetření o
ekonomických výsledcích zemědělských
podniků (FADN CZ a šetření NAKL).
3.1
Základní charakteristiky
Tab. 3.1 - Komodity v modelu FARMA–4
Komodita
Pšenice ozimá
Pšenice jarní
Žito
Ječmen ozimý
Ječmen jarní
Oves
Kukuřice
Tritikale
Hrách
Brambory rané
Brambory konzumní
Brambory průmyslové
Cukrovka
Krmné okopaniny
Řepka
Slunečnice
Mák
Soja
Len olejný
Hořčice
Ostatní olejniny
Len přadný
Chmel
Zbývající technické plodiny
Vinná réva
Označení
PSoz
PSjar
ZI
JCoz
JCjar
OV
KUZ
TRI
HR
BRR
BRK
BRP
CU
KOK
RE
SLU
MAK
SOJ
LENo
HOR
OOL
LENp
CHM
ZTP
HRO
3.2
Výrobek
hlavní
vedlejší
zrno
sláma
zrno
sláma
zrno
sláma
zrno
sláma
zrno
sláma
zrno
sláma
zrno
sláma
zrno
sláma
zrno
sláma
hlízy
hlízy
hlízy
bulvy
bulvy
semeno
semeno
semeno
semeno
semeno
semeno
semeno
stonky
šištice
hrozny
Komodita
Jablka
Ovoce
Cibule
Zelenina
Jednoleté pícniny
Kukuřice silážní
Víceleté pícniny
Louky
Pastviny
Trvalé travní porosty
Dojnice
Telata
Jalovice
Vysokobřezí jalovice
Výkrm býků
Krávy BTPM
Výkrm masných jalovic
Výkrm masných býků
Prasnice
Prasničky
Předvýkrm prasat
Výkrm prasat
Slepice nosné
Slepice masné
Brojleři
Označení
JAB
OVO
CIB
ZEL
JLP
KUZ
VLP
LOU
PAS
TTP
D1
TEL1
JAL1
VBJ1
VB1
D2
JAL2
VB2
PRA1
PKY1
PVP1
VP1
SLEvej1
SLEbro1
BRO1
Výrobek
hlavní
vedlejší
zel. hmota
zel. hmota
zel. hmota
zel. hmota
zel. hmota
zel. hmota
mléko
maso, hnůj
maso
hnůj
maso
hnůj
maso
hnůj
maso
hnůj
maso
hnůj
maso
hnůj
maso
hnůj
maso
kejda
maso
kejda
maso
kejda
maso
kejda
vejce
maso
maso
maso
Základní vztahy komodit
• Pro všechny komodity i ∈ RV a ŽV a pro všechny produkční
směry (i,j)
• jsou definovány základní vztahy mezi plochou/stavem,
ha výnosem/užitkovostí a produkcí
• Produkce = plocha x výnos n. prum.stav x jedn.produkce
• Dále platí rozdělovací rovnice
• poc(i,j) + pro(i,j) + nak(i,j) – vla(i,j) – krm(i,j) – dej(i,j) –
ztr(i,j) – kon(i,j) = 0,
• Pro všechny ukazatele rozdělovací rovnice platí podmínky
nezápornosti
• tj. proměnné mohou nabývat pouze nezáporné hodnoty,
přičemž v mnoha případech mohou tyto ukazatele nabývat
hodnoty nula.
6
24.03.2016
3.3
Biologické a technologické vztahy v ŽV
• V modelu jsou zobrazeny
• základní biologické a technologické vazby mezi
kategoriemi jednotlivých chovů,
• které simulují reálné chování zemědělských
podniků.
3.3
• Ukazatele:
• počáteční, koncový, průměrný stav kategorie
• převod zvířat do kategorie, převod zvířat
z kategorie,
• brakace (jateční vyřazení)
• počet krmných dnů v kategorii,
• hmotnost při narození, počáteční a koncová hm. v
kategorii,
• denní přírůstek v kategorii,
3.3
• počet narozených zvířat
• počet nakoupených, uhynulých, prodaných
zvířat,
• hmotnost při nákupu, úhynu a prodeji zvířat,
• index inseminace jalovic,
• počet narozených telat na dojnici a rok,
• počet krmných dnů do připuštění jalovic,
• celkový počet krmných dnů.
7
24.03.2016
3.4
Produkce a spotřeba krmiv
• Pro vztah RV a ŽV je simulována produkce a
spotřeba krmiv
• krmiva = SMES, SENO, SILAZ, SENAZ, PASTVA,
• SMES jsou jadrná krmiva,
• SENO je seno z luk a VLP,
• SILAZ je siláž z kukuřice na siláž,
• SENAZ je senáž z luk a VLP,
• PASTVA je produkce z pastvin v zelené hmotě.
• Model obsahuje rovnice převodu krmných plodin
na krmiva
3.4
• Pro každou kategorii zvířat i ∈ ŽV a každé krmivo krm =
SMES, … , PASTVA jsou definovány produkce, obsah a
potřeba živin,
• produkce krmiva krm v tunách,
• množství živin NEL v 1 kg krmiva krm pro všechny
kategorie skotu,
• množství živin MEP v 1 kg krmiva krm pro všechny
kategorie prasat,
• potřebné množství živin NEL pro kategorii skotu i
s úrovní užitkovosti vyn(i) na jeden krmný den,
• potřebné množství živin MEP pro kategorii prasat i
s úrovní užitkovosti vyn(i) na jeden krmný den.
3.4
• Model zajišťuje dostatečnou potřebu živin
jednotlivých kategorií zvířat 2 základními
nerovnostmi bilance krmiv:
• Σ (krm | pro(krm,tuny) * obsah(krm,NEL) * 1000) >=
Σ (i ∈ SKOT | pst(i) * potreba(i,NEL,vyn(i) * 365)
• Σ(krm | pro(krm,tuny) * obsah(krm,MEP)*1000) >=
Σ (i ∈ PRAS | pst(i) *potreba(i,MEP,vyn(i)) * 365).
8
24.03.2016
3.5
Agrární politika v modelu FARMA–4
• Podpory zemědělské politiky ovlivňují
ekonomiku podniků.
• V modelu FARMA–4 se tyto podpory mohou
implementovat prostřednictvím různých typů
podpor jednotlivých komodit.
• Podpory v modelu mohou být vázány na
plochy, stavy zvířat i jednotlivé formy
produkce zemědělských komodit.
3.5
•
•
•
•
Agrární politika v modelu FARMA–4
V modelu se tedy rozlišují:
podpora plochy / kategorie zvířat
podpora produkce pro(i,j) komodity i typu j,
Pokud je u nějaké komodity kumulováno více
podpor na plochu/stav nebo produkci, potom
jsou tyto podpory sumarizovány do jednoho
nebo druhého typu.
3.6
Finální ukazatele modelu
• Celková ekonomika zemědělského podniku je
v modelu FARMA-4 simulována finálními
ukazateli jako jsou
• celkové tržby
• Celkové náklady
• Celkové podpory
• Celkový zisk nebo čistá přidaná hodnota
podniku
9
24.03.2016
3.6
Finální ukazatele modelu
• V modelu FARMA-4 se jako optimalizační
kritérium používají
• maximalizace zisku - nejčastěji
• maximalizace ČPH (čisté přidané hodnoty)
• minimalizace nákladů
• apod.
3.7
Aplikace modelu FARMA–4 pro typové farmy
• Základní využití modelu je spojeno se simulací
vlivu agrárně politických opatření (současných
nebo budoucích) na ekonomiku farem
hospodařících v různých výrobních
podmínkách ČR.
• Pro tyto účely jsou definovány tzv. 100ha
typové farmy, které reprezentují průměrné
zemědělské podniky v různých výrobních
oblastech ČR (KR, BR, BH, CR).
3.7
• Typová farma v dané VO je definována jako
farma, jejíž výchozí komoditní struktura (tj.
rostlinné a živočišné komodity)
• je odvozena z průměru podniků v uvažované
výrobní oblasti zahrnutých do šetření FADN CZ
za určitý (většinou poslední dostupný) rok
• Je přepočtená na 100 ha zemědělské půdy.
10
24.03.2016
3.7
•
•
•
•
•
•
•
•
Ekonomické parametry typové farmy
výnosy / užitkovosti zvířat
náklady na hektar / průměrný kus
jsou převzaty z modelu RENT–4, který se opírá
nákladové šetření ÚZEI.
Model RENT–4 poskytuje příslušné ekonomické
parametry pro 37 zemědělských komodit
jak za skutečnost do roku 2013
tak na predikční období 2014-2017.
Roky 2014-2017 reprezentují období reformované
agrární politiky po roce 2013.
3.7
• Pro implementaci tržních cen a podpor agrární
politiky je třeba definovat předpoklady a jejich
zdůvodnění v souladu s charakteristikami
modelových scénářů.
• Podpory agrární politiky musí být do modelu
FARMA-4 implementovány jako podpory
jednotlivých komodit, i když se jedná
o podpory decouplované.
3.7
• Pro přiřazení podpor LFA jsou definovány následující vztahy
mezi VO a oblastmi LFA:
• kukuřičné a řepařské oblasti odpovídá 100 % non-LFA, tj.
platba LFA-KR = 0
• bramborářské oblasti odpovídá 75 % LFA ostatní a 25 %
non-LFA, tj. platby LFA-BR = 75 % průměrné platby LFA-O;
• bramborářsko-ovesné a horské oblasti odpovídá 100 %
oblasti LFA horská, tj. platba LFA-BH = 100 % průměrné
platby LFA-H;
• ČR celkem je v modelu přiřazen průměr za oblasti KR, BR a
BH, tj. platba LFA-CR = (LFA-KR + LFA-BR + LFA-BH) / 3.
11
24.03.2016
3.8
Další možnosti modelu FARMA–4
• Aby mohl být model FARMA–4 využit v dalších
oblastech, zejména v oblasti ekologických
aspektů hospodaření zemědělského podniku a
jeho dopadů na životní prostředí
• obsahuje model další sekce, jejichž zapojení
umožňuje tyto aspekty modelovat a jejich
dopady simulovat a vyhodnocovat.
• Bilance organické hmoty, bilanci živin NPK
apod.
4
MODEL RENT–4
• Model RENT–4 je ekonometrický model pro predikci
rentability zemědělských komodit na období
2011-2017 na bázi vstupních údajů za období 19982010. Model obsahuje 37 komodit, jejichž údaje
pocházejí ze šetření NAKL za zmíněné období, kde jsou
sledovány za výrobní oblasti KR, BR, BH a CR.
– Bazická sekce modelu
• Pro každou komoditu se sleduje 10 ukazatelů: y –
intenzita (ha výnos/užitkovost) a 9 nákladových
položek x1, … , x9, jejichž suma tvoří celkové náklady dané
komodity.
4
MODEL RENT–4
• Pro každou komoditu kom ∈ RV nebo ŽV a její
ukazatele y, x1, … , x9 a pro každou VO se vytvoří
časové řady výchozích ukazatelů rok = 1998, … , 2012
• Výnosy a nákladové položky x1 až x9
• Dále souhrnné ukazatele
• celkové a jednotkové náklady,
• celkové a jednotkové podpory
• ceny finální produkce zemědělských komodit
12
24.03.2016
Predikční sekce modelu
• Následně se pomocí statistických regresních
funkcí
• lineární jednofaktorová
• kvadratická jednofaktorová
• lineární dvoufaktorová
• závisejících na časové proměnné (rok) a na
intenzitě produkce (y) vypočte predikce všech
ukazatelů pro rok = 2013, … , 2017.
Predikční sekce modelu
• Predikce ukazatelů y a x1, … , x9 pro každou komoditu
probíhá na základě volby regresní funkce a zvolené
časové báze pro každý ukazatel z 6 typů bází:
• báze 1 – 1998-2012 → 2013, … , 2017
• báze 2 – 1998-2012 → 2013, 1999-2013 → 2014 atd.
• báze 3 – 1998-2012 → 2013, 1998-2013 → 2014 atd.
• báze 4 – 2002-2012 → 2013, … , 2017
• báze 5 – 2002-2012 → 2013, 2003-2013 → 2014 atd.
• báze 6 – 2002-2012 → 2013, 2002-2013 → 2014 atd.
5
RENTABILITA ZEMĚDĚLSKÝCH
KOMODIT
• Jedním z cílů agrární politiky je udržet zemědělské
podnikatele (farmáře) v krajině.
• V ČR jsou různé výrobní podmínky pro
zemědělské podnikání.
• Agrární politika podporuje zemědělskou produkci
zejména v méně příznivých podmínkách (LFA).
• EU podporuje podnikání pouze na zemědělské
půdě, tj. rostlinné komodity a chov skotu (který je
spojen s půdou)
• zatímco chov prasat a chov drůbeže spolu
s produkcí vajec nejsou podporované směry.
13
24.03.2016
5
KOMODIT
• Rentabilita jednotlivých zemědělských
komodit je vypočítána modelem RENT-4.
• Pro rok 2013 se využívají známá pravidla
agrární politiky (poslední rok plánovacího
období SZP)
• Pro rok 2014 se uvažují předpokládané
varianty agrární politiky pro plánovací období
SZU 2014–2020.
5
KOMODIT
• Predikce rentability pro roky 2013-2014 ukazují
• U rostlinných komodit většinou příznivou
ekonomickou prognózu.
• U živočišných komodit je situace horší.
• Rentabilita u kravského mléka je příznivá (díky
podporám krmiv), zatímco výkrm skotu vykazuje
dlouhodobě záporné výsledky i při započtení
nepřímých podpor.
• Ekonomika nepodporovaných komodit (výkrm
prasat a drůbeže) nevychází dlouhodobě příznivě.
Model RENT-4 Aktuální predikce
rentability zem. komodit
•
•
•
•
•
•
•
•
Předpoklady model.predikcí
Výnosy
Náklady
Ceny
Podpory
Výpočty finálních ukazatelů
Rentabilita R-S – rentabilita bez podpor
Rentabilita R+S – rentabilita s podporami
14
24.03.2016
Model RENT-4 Aktuální predikce
rentability zem. komodit
•Ilustrace aktuální
predikce
•Přechod do Excel-verze
modelu
6
MODEL TYPOVÝCH FAREM TF-1
Byly vybrány následující typové farmy:
Farmy bez živočišné výroby (typ F1)
Farmy s převažující produkcí mléka (typ F2)
Farmy s kombinovanou mléčnou a masnou
produkcí (typ F3)
• Farmy s pastevním odchovem masného skotu
(typ F4)
•
•
•
•
6
MODEL TYPOVÝCH FAREM TF-1
Tab. 6.1 - Typové farmy - výrobní zaměření
Farma
F1a
F1b
F1c
F2a
F2b
F3
F4a
F4b
Kukuřice Víceleté
TTPKrávy
Výrobní Z. p. Pšenice Ječmen Řepka
Louky Pastviny
Dojnice
na siláž pícniny
volné
BTPM
oblast
ha
ha
ha
ha
ha
ha
ha
ha
ha
ks
ks
KR
100
40
40
20
BR
100
40
30
30
BH
100
30
30
40
KR
100 19,8 19,8 12,8
26,5 21,4
50
BR
100 18,2 13,6 18,2
26,6 23,3
50
BR
100
8,5
16,1
15,8 15,8
22
22
30
20
BH
100
24,4 24,4 51,5
20
BH
100
50
50
0
41
15
24.03.2016
Model TF-1
– Předpoklady modelových výpočtů ekonomiky typových
farem
• Výpočet ekonomiky jednotlivých typových farem
vychází z výrobně ekonomických údajů modelu RENT-4
v uplynulém období (2008-2012) a predikce na roky
2013-2014 (kap. 4). Do modelových výpočtů jsou
započítány podpory agrární politiky typu SAPS, Top-Up
a LFA.
– Časový horizont
• Roky 2008-2017, kde za roky 2008-2012 se jedná o
skutečné hodnoty šetření NAKL, roky 2013-2017
představují modelové predikce.
Model TF-1
– Výrobně ekonomické vstupní údaje podle komodit
• Pro rostlinné komodity - hektarové výnosy,
celkové náklady na hektar, jednotkové náklady na
tunu produkce.
• Pro živočišné komodity – užitkovost na kus a rok
(dojivost, natalita krav BTPM), celkové náklady na
kus a rok, jednotkové náklady na finální produkci
(litr mléka, kg ž. hm. odchovaného telete
v hmotnosti 250 kg s respektováním natality
KBTPM, která se pohybuje okolo 80 %).
Model TF-1
– Tržní ceny
• Pro rostlinné a živočišné komodity byly použity
průměrné ceny zemědělských výrobců za ČR
celkem (CZV – zdroj ČSÚ) na jednotku finální
produkce (tunu, litr mléka a kg ž. hm. telete).
• Pro odlišení rozdílnosti výrobních podmínek
podle výrobních oblastí byly CZV modifikovány
v souladu s výsledky šetření NAKL (kde např.
nejvyšší výnosy a tržní ceny u pšenice dosahují
producenti v oblasti KR a nejnižší v oblasti BH).
16
24.03.2016
Model TF-1
– Vstupní údaje agrární politiky
• Do modelových výpočtů jsou započítány
podpory agrární politiky typu SAPS, Top-Up a
LFA, které jsou přiřazené jednotlivým
komoditám.
• U živočišných komodit jsou započítány
nepřímé podpory odpovídající spotřebě
vlastních krmiv v přepočtu na spotřebovanou
plochu těchto krmiv.
Vazby mezi RV a ŽV
Typové farmy obsahují základní vztah mezi produkcí krmných komodit a spotřebou
vlastních krmiv. U farem typu F2, F3 a F4 platí, že produkce a spotřeba vlastních krmiv se
musí rovnat.
Výsledky modelových výpočtů typových farem 2008-2014
Na základě uvedených předpokladů byly provedeny modelové výpočty jednotlivých
typů farem v časové řadě 2008-2014. Výsledky jsou obsaženy v tab. 6.2.
Tab. 6.2 - Celkový zisk s dotacemi (tis. Kč)
Farma
2008
1 440
1 018
645
941
847
600
467
F1a
F1b
F1c
F2a
F2b
F3
F4
Model zadání - Rok
2012
Ukazatel
Plocha z. p.
Výrobní oblast
Zadání
- pšenice ozimá
- ječmen jarní
- řepka
- kukuřice na siláž
- VLP
- louky
- pastviny
- volné TTP (louky)
- dojnice
- krávy BTPM
Výsledky
Celkové náklady
Celkové podpory
Celkové tržby
Celkový zisk bez dotací
Celkový zisk s dotacemi
MJ
ha
Kč
Kč
Kč
Kč
Kč
Náklady na vlastní krmiva
- dojnice
Kč/krávu
- krávy BTPM
Kč/krávu
- celkem
tis. Kč
Celkové náklady na krmné komodity
Kč/ha
- víceleté pícniny
Kč/ha
- louky
Kč/ha
- pastviny
Kč/ha
- celkem
tis. Kč
Rozdíl (má být nulový)
tis. Kč
2011
2012
1 024
527
955
551
512
264
820
332
853
430
452
439
260
527
Farma 1a Farma 1b Farma 1c
100
100
100
KR
BR
BH
ha
ha
ha
ha
ha
ha
ha
ha
ks
ks
tis.
tis.
tis.
tis.
tis.
2009
2010
126
253
61
173
-16
92
-331
223
-299
322
45
344
475
434
40
60
0
2 274
588
2 119
-155
433
35
35
30
2 408
588
2 324
-84
503
40
30
30
2 116
588
1 912
-204
384
2013
2014
1 448 1 324
1 344 1 275
1 011
957
823 1 103
836 1 137
682
877
572
535
Farma 2a
102
KR
Farma 2b
100
BR
Farma 3
100
BR
Farma 4a Farma 4b
100
100
BH
BH
26
40
0
18
18
17
18
30
20
15
17
0
19
10
10
22
22
50
50
30
20
53
20
4 844
695
4 250
-1 268
-573
4 361
577
4 175
-866
-289
3 372
794
2 934
-990
-196
1 609
1 120
634
-1 359
-239
972
1 020
239
-879
141
13 386
13 692
13 692
7 072
7 238
7 238
669,3
684,6
552,2
383,6
144,8
26 498
10 939
26 615
9 868
673,9
680,3
26 615
9 868
5 589
2 934
552,3
5 884
1 794
383,9
5 884
1 794
145,9
-4,6
4,3
-0,1
-0,3
-1,1
50
50
19
19
62
17
24.03.2016
čet hektarů (kusů zvířat) za všechny komodity typové farmy
Model zadání - Rok
2015
Ukazate l
Plocha z. p.
Výrobní oblast
Zadání
- pšenice ozimá
- ječmen jarní
- řepka
- VLP
- louky
- pastviny
- volné TTP (louky)
- dojnice
- krávy BTPM
Výsledky
Celkové náklady
Celkové podpory
Celkové tržby
Celkový zisk bez dotací
Celkový zisk s dotacemi
MJ
ha
Farma 1a Farma 1b Farma 1c Farma 2a Farma 2b Farma 3
100
100
100
100
100
100
KR
BR
BH
KR
BR
BR
ha
ha
ha
ha
ha
ha
ha
ha
ks
ks
tis.
tis.
tis.
tis.
tis.
Kč
Kč
Kč
Kč
Kč
Náklady na vlastní krmiva
- dojnice
Kč/krávu
- krávy BTPM
Kč/krávu
- celkem
tis. Kč
Celkové náklady na krmné komodity
Kč/ha
- víceleté pícniny
Kč/ha
- louky
Kč/ha
- pastviny
Kč/ha
- celkem
tis. Kč
Rozdíl (má být nulový)
12
tis. Kč
60
40
0
2 596
561
2 450
-146
415
70
0
30
2 738
561
2 390
-347
214
70
0
30
2 355
561
1 939
-416
145
Farma 4a Farma 4b
100
100
BH
BH
40
28
0
17
15
26
10
30
20
14
26
0
10
11
9
22
22
50
50
30
20
54
20
5 355
736
5 475
-529
207
4 976
680
5 292
-402
278
3 640
889
3 396
-860
29
1 737
1 198
614
-1 541
-343
1 047
1 132
562
-635
496
13 140
14 371
14 371
9 092
7 682
7 682
657,0
718,6
613,0
414,8
153,6
27 927
11 658
28 472
10 646
649,6
718,5
28 472
10 646
5 918
3 472
615,6
6 303
2 064
418,4
6 303
2 064
150,6
7,4
0,1
-2,6
-3,5
3,0
50
50
18
18
64
DOTAČNÍ KALKULAČKA PRO ODHAD PODPOR
ZEMĚDĚLSKÉHO PODNIKU PRO ROK 2015
– Předpoklady modelových výpočtů pro rok 2015
• Přímé platby (pilíř I):
• SAPS, greening, podpora mladých zemědělců, vázané
platby na citlivé komodity a historické platby TNA (z
roku 2013)
• Zdroj: predikce ÚZEI/MZe (na základě národní obálky
pro ČR pro rok 2015)
• Platby PRV (pilíř II):
• AEKO (agroevironmentální a klimatické operace), EZ
(Ekologické zemědělství), NATURA 2000, LFA a Welfare
• Zdroj: predikce ÚZEI/MZe (na základě PRV EU pro
období 2014-2020)
Dotační kalkulačka pro rok 2015
• Přechod do Excel-modelu a ilustrace výpočtů
pro uživatele
18
24.03.2016
13 LITERATURA
•
•
•
•
•
•
•
•
Foltýn, I. a kol. (2012): Rozšíření modelu FARMA-4 pro analýzy nových nástrojů
zemědělské politiky, Zpráva za IVP č. 1267 za rok 2012, ÚZEI Praha.
Foltýn a kol. (2014): Model FARMA-5 for economic and environmental
optimization of agricultural enterprises, Agrární perspektivy XXIII, PEF ČZU (v tisku).
Foltýn, I., Kučera, J., Trantinová, M., Božík, M. (2013): Model FARMA-5 – prostorová
optimalizace ekonomického a ekologického chování zemědělských podniků,
Sborník mezinárodní konference Agrární perspektivy, Praha, [CD-R].
Foltýn, I., Zedníčková, I., Humpál, J., Voltr, V., Kučera, J., Doucha, T. (2013): Model
FARMA-5 – prostorové modelování ekonomických, ekologických a agroenvironmentálních podmínek typových podniků ČR v podmínkách budoucí SZP,
Zpráva za IVP č. 1277 za rok 2013, ÚZEI Praha.
Foltýn, I., Zedníčková, I. (2010): Rentabilita zemědělských komodit, Výzkumná
studie č. 102, ÚZEI, Praha, 70 str. + přílohy.
Foltýn, I., Zedníčková, I. (2012): Modelování dopadů zemědělské politiky ČR po
roce 2013, Výzkumná studie č. 108, ÚZEI Praha.
Vávra, V. (2014): Optimalizace krmných technologií. Interní studie ÚZEI 2011-2013
(subdodávky pro IVP č. 1277, ÚZEI Praha).
Hienl, P. a kol. (2013): Jak začít podnikat v zemědělství, ÚZEI, Praha, www.mze.cz
Modelování ekonomických procesů v
zemědělství a predikce dopadů budoucích
variant SZP EU do agrárního sektoru
Díky za pozornost
RNDr. Ivan Foltýn, CSc., ÚZEI Praha
tel. 222 000 414
E-mail: [email protected]
Model FARMA-5
pro ekonomickou a ekologickou optimalizaci
zemědělských podniků
RNDr. Ivan Foltýn, CSc.
Ing. Jakub Kučera, Ing. Marie Trantinová, Ph.D.
Ing. Václav Voltr, Ing. Ida Zedníčková
Ústav zemědělské ekonomiky a informací Praha
Ing. Přemysl Pavka, doc. Ing. Miloš Zapletal, Ph.D.
Ekotoxa Opava
Agrární perspektivy XXIII, PEF ČZU, Praha 16. 9. 2014
19
24.03.2016
Poradenský systém FARMA-5
Úvod
V ÚZEI Praha, společně s firmou EKOTOXA Opava, bylo
v roce 2011 zahájeno řešení projektu
Model FARMA-5 - Poradenský optimalizační
systém pro simulaci optimálního chování
zemědělských podniků ve vztahu k trvalé
udržitelnosti zemědělství a zemědělským
technologiím šetrným k životnímu prostředí
s propojením na geografický informační systém
jehož cílem je vytvořit komplexní metodologický aparát pro
analytické posouzení a predikce vhodných způsobů
hospodaření zemědělských podniků.
Doba řešení: 2011-2014
Struktura systému
Poradenský systém FARMA-5 se skládá z
následujících submodelů:
matematický optimalizační model FARMA-5 pro
prostorovou optimalizaci výrobní struktury podniku
na bázi půdních bloků, vytvořený v systému GAMS;
model ERO-1 pro stanovení erozního ohrožení
podniku na bázi GIS opírající se o klasifikaci BPEJ;
modely EMI-1, IMI-1, DEP-1 pro stanovení dopadů
atmosférické depozice dusíku do zemědělské půdy
prostřednictvím bilance NPK.
Datové zabezpečení systému
Zdroje dat:
systém LPIS pro rostlinnou výrobu
seznam a lokalizace půdních bloků podniku do zemědělského prostoru
systém LPIS pro živočišnou výrobu
seznam zařízení pro ŽV podniku a jejich obsazení jednotlivými
kategoriemi zvířat
systém bonitace půdního fondu ČR (BPEJ)
klasifikace kvantitativních a kvalitativních ukazatelů půdy obsahující
cca 2 200 bonitních jednotek.
20
24.03.2016
matematický optimalizační model FARMA-5
Model FARMA-5:
• model prostorové optimalizace, který umožňuje ekonomickou,
technologickou a ekologickou optimalizaci výrobní struktury daného podniku
na základě externích výrobních podmínek a její prostorové rozmístění v
podniku v závislosti na geografických, půdních a environmentálních
předpokladech o prostředí, v němž se podnik nachází.
Adekvátnost modelu realitě závisí na formulaci omezujících podmínek pro
proměnné, které obsahují možnost výběru komodit na jednotlivých PB v
závislosti
- na přírodních podmínkách: výměra, lokalizace v zemědělském
prostoru, nadmořská výška, kvalita půdy, míra erozní
ohroženosti apod.;
- na ekonomických podmínkách: hektarový výnos, náklady, ceny,
podpory podle pravidel AP, zisk apod.;
- na specifických podmínkách: systém hospodaření pro daný PB,
produkce v podmínkách agro-envi, podmínky pro erozní
ohrožení, výpočet a omezení bilance živin NPK apod.
model ERO-1 pro klasifikaci erozního ohrožení
Model ERO-1:
Vyhodnocuje při modelování hospodaření zemědělského podniku změnu míry erozního smyvu
na jednotkové ploše (na půdním bloku).
Rovnice smyvu zemědělské půdy
Pro posouzení míry ohroženosti půdních bloků erozí povrchovým odtokem se vycházelo z univerzální
rovnice Wischmeier - Smith (tzv. rovnice USLE = Universal Soil Loss Equation), v modifikaci USLE 2D:
G = R * K * L * S * C * P,
kde v rámci zemědělského hospodaření je možné následujícími způsoby měnit hodnotu faktorů:
• G
průměrná roční ztráta půdy v t.ha-1.rok-1,
• R
faktor erozní účinnosti deště, nezávislý na zemědělské činnosti,
• K
faktor náchylnosti půdy k erozi, závislý na zemědělské činnosti z dlouhodobého hlediska (např.
degradace půdy, hutnění vlivem obdělávání),
• L
faktor délky svahu, ovlivnitelný organizací pozemků, budováním mezí, cest, průlehů a aplikací
jiných protierozních a protipovodňových opatření přerušujících svah,
• S
faktor sklonu svahu, nezávislý na zemědělské činnosti, případně závislý v malé míře,
• C
faktor ochranného vlivu vegetace, velmi závislý na zemědělské činnosti (výběr plodiny,
vegetační období, použití podsevu apod.),
• P
faktor vlivu protierozních opatření, velmi závislý na zemědělské činnosti (způsob obdělávání,
aplikace půdoochranných postupů).
Při konstantních hodnotách faktoru R (průměrná hodnota 40) a faktoru P (P=1) lze vypočítat součin
faktorů R, K, L, S, P pro každý blok a poté vynásobením hodnotou faktoru C - variantně pro navrhovanou
plodinu - získat odhadovanou hodnotu míry erozního smyvu pro uvedený blok.
model ERO-1 pro klasifikaci erozního ohrožení
Vzhledem k tomu, že model nereflektuje zásahy do pozemku dá se
v rámci pozemku suma součinů faktorů L, S, K, R a P považovat za
konstantní.
Změnou plodiny dochází potom pouze ke změně faktoru C, výsledná
míra erozního smyvu je tak závislá pouze na modelové změně tohoto
faktoru.
Výsledná hodnota průměrného ročního erozního smyvu z bloku se
v modelu FARMA-5 mění dle navrhované plodiny, tedy se změnou
faktoru C.
Pro import výsledků modelu ERO-1 do modelu FARMA-5 se pro každý
podnik vytváří tabulka skládající se z
identifikátoru bloku
informace o erozním ohrožení
vhodných opatřeních dle LPIS
součinu faktorů L, S, K, R, P z rovnice USLE
21
24.03.2016
model EMI-IMI-DEP pro výpočet atmosférické depozice dusíku
Model EMI-1:
modeluje emise amoniaku (NH3) z počtu hospodářských zvířat a
průměrného ročního emisního koeficientu pro jednotlivé druhy zvířat.
Model IMI-1:
k odvození atmosférické koncentrace amoniaku v různých vzdálenostech od
zemědělského zdroje byl navržen model, který stanoví, jak se atmosférická
koncentrace NH3 snižuje se vzdáleností od zdroje v závislosti na množství
emisí NH3 ze zdroje, pravděpodobnosti rychlosti a směru větru, charakteru
povrchu mezi zdrojem emisí NH3 a místem, pro které je modelována
koncentrace amoniaku a následně suchá depozice amoniaku.
Model DEP-1:
Pro stanovení celkové depozice dusíku na pozadí v okolí podniků byl
navržen model, kterým byla modelována celková depozice dusíku jako
součet celkové mokré a suché depozice oxidovaných sloučenin dusíku
(NOx, dusičnanů ve srážkách) a celkové mokré a suché depozice
redukovaných sloučenin dusíku (NH3 a amonných iontů ve srážkách) v síti
1x1 km na území České republiky.
propojení modelů FARMA-5, ERO-1 a EMI-IMI-DEP
Propojením popsaných modelů, tedy
modelu FARMA-5
modelu ERO-1
modelů EMI-IMI-DEP
byl vytvořen poradenský systém FARMA-5, který
umožňuje
optimalizovat výrobní strukturu podniku
snížit riziko erozního ohrožení a
dosáhnout přijatelných hodnot bilance živin N, P, K
v zemědělské půdě.
implementace systému na zemědělský podnik
Fungování poradenského systému FARMA-5 pro konkrétní zemědělský podnik lze
popsat v následujících krocích:
Krok 1:
Z databáze LPIS se vygeneruje databáze půdních bloků (PB) spolu s dalšími
informacemi jako jsou identifikace kultury (OP nebo TTP), příslušnost PB k výrobním
oblastem, oblastem LFA, dále průměrná svažitost PB a přiřazení BPEJ k PB.
Krok 2:
Z informací v kroku 1 se vygeneruje systém 11 matic MAT1,…,MAT11 pro model
FARMA-5.
Krok 3:
Pomocí modelu ERO-1 se vygeneruje matice parametrů erozní ohroženosti
jednotlivých PB v závislosti na vybraných zemědělských komoditách.
22
24.03.2016
implementace systému na zemědělský podnik
Krok 4:
Pomocí modelů EMI-1, IMI-1 a DEP-1 a na základě lokalizace živočišné výroby do
stájí a jiných zařízení ŽV se vygeneruje matice atmosférické depozice dusíku pro
všechny půdní bloky podniku.
Krok 5:
Propojením modelu FARMA-5 s modelem RENT-4 a s databází BPEJ se vygeneruje
matice produkčně ekonomických vstupů modelu pro každý PB a každou komoditu
RV: hektarové výnosy, náklady, podpory a tržní ceny, dále pak úroveň hnojení N, P,
K podle komodit.
Krok 6:
Zadá se výchozí výrobní strukturu podniku RV (podle PB) a ŽV pro celý podnik.
Krok 7:
Model FARMA-5 je připraven k optimalizaci výrobní struktury při respektování
problematiky eroze (zadání ano/ne) a respektování vyváženosti bilance živin N, P,
K s modelově odvozenou atmosférickou depozicí (zadání ano/ne).
přínosy systému při aplikaci na podnik X
Hlavním přínosem uplatnění poradenského systému
FARMA-5 pro podnik X jsou
optimalizace zisku podniku (výsledky modelu FARMA-5),
při respektování ekologických kritérií
snížení erozního ohrožení (výsledky modelu ERO-1)
omezení nepříznivých bilancí živin N, P, K na základě
výpočtu atmosférické depozice dusíku (výsledky modelů
EMI-1, IMI-1 a DEP-1)
v závislosti na úniku skleníkových plynů z ŽV.
Výsledky výpočtů ekologické optimalizace jsou uvedeny
v následující tabulce.
ilustrace využití systému v podniku X
Eroze Depozice N Vstup N Odběr N Bilance N Vstup P Odběr P Bilance P Vstup K Odběr K Bilance K
t/ha
kg N/ha kg N/ha kg N/ha kg N/ha kg P/ha kg P/ha kg P/ha kg K/ha kg K/ha kg K/ha
Var. 1 - zadání: eroze=0, bilance NPK=0, zisk celkem 11 271 tis. Kč
min na PB
0,00
10,85
21,32
0,00 -87,44
0,00
0,00 -64,33
0,00
0,00 -183,32
max na PB
44,36
28,54 214,32 157,87 143,97
10,00
74,33
-5,13
15,00 198,32
-7,92
průměr z. p.
4,18
13,96 122,72
87,43
49,25
8,57
34,74 -26,18
12,85
91,42 -78,57
Var. 2 - zadání: eroze=0,
min na PB
0,00
max na PB
36,58
průměr z. p.
4,96
bilance NPK=1, zisk celkem 8 968 tis. Kč
10,85
33,89
42,86
1,16
2,56
28,54 138,60 100,12
50,00
10,00
13,96
86,89
61,74
39,11
6,68
12,46
41,66
23,49
-32,45
-5,13
-16,81
3,84
15,00
10,02
Var. 3 - zadání:
min na PB
max na PB
průměr z. p.
eroze=1,
0,01
3,87
1,68
10,85
0,00
0,00
-8,35
0,00
28,54 196,18 164,87 160,11
10,00
13,96 109,67
78,94
44,70
8,06
0,00
75,03
30,75
-65,03
0,00
-22,70
0,00
15,00
12,08
Var. 4 - zadání: eroze=1,
min na PB
0,01
max na PB
18,17
průměr z. p.
3,36
10,85
3,13
16,78
1,16
1,43
28,54 135,31
98,43
50,00
10,00
13,96
78,72
57,57
35,11
6,28
3,85
41,49
21,64
-32,06
-2,27
-15,35
2,15
15,00
9,43
53,84
65,00
59,91
-50,00
-44,35
-49,89
0,00 -191,75
206,75
0,00
82,76 -70,67
19,93
64,92
56,33
-50,00
-17,56
-46,90
23
24.03.2016
Děkujeme za pozornost
Za celý řešitelský tým
RNDr. Ivan Foltýn, CSc.
tel. 222 000 414, e-mail: [email protected]
24

Dr. Ivan Foltýn

Transkript

Podobné dokumenty

číslo 102 - Ústav zemědělské ekonomiky a informací

číslo 108 - Ústav zemědělské ekonomiky a informací

Antweiler / zkrácená verze / 2012

Trail Gator

11/2013 - Městský úřad Klecany