CC BY
11
животных, уровня технологического развития, зависящего, в свою очередь, от ресурсов, выделяемых для господдержки соответствующих мероприятий целевых программ в странах ЕАЭС.
5. Спрос на продовольствие в соответствующей стране интеграционного образования, при исходном предположении о наличии эффектов несовершенной субституции между торгуемыми товарами, принадлежащими одной группе, задается в виде функций душевых доходов населения и розничных цен в странах ЕАЭС. Таким образом, мы исходим из предположения о том, что виды продовольствия, дифференцированные по странам- производителям, влияют на предпочтения потребителя, а импорт в данную страну из прочих стран ЕА-ЭС и «остального мира», можно определить решением двухэтапной задачи в постановке Армингтона с использованием спецификации CES - функций, что можно считать оправданным для больших товарных групп продовольствия; исключением, возможно, будет рынок молока и молочной продукции.
Мировые цены на рассматриваемые в проекте виды продовольствия считаются экзогенными переменными. Для этого целесообразно использовать прогнозы развития мировых рынков продовольствия, получаемые на регулярной основе с помощью системы моделей Aglinl&Cosimo в ОЭСР, торговую статистику БД UN Comtrade.
6. Описание поведения инвестора на рынках продовольствия предполагается выполнить в предположении справедливости мо-
дели портфельных инвестиций Г. Марковица с использованием статистики национальных целевых программ и «типовых» для отраслей инвестиционных проектов; в качестве альтернативы могут быть использованы регрессионные модели подходящего вида.
Калибровка модели выполняется при решении задачи идентификации в ходе которой корректируется часть ее параметров из условия минимизации совокупной невязки между теоретическими и фактическими фазовыми переменными. К особенностям данной процедуры следует отнести наличие коротких временных рядов, необходимость в трудно формализуемой работе, в ходе которой потребуется определить набор уточняемых параметров.
Достижение состояний равновесия на рынках продовольствия предполагается реализовать в «мягкой» форме при решении задачи минимизации совокупных невязок между спросом и предложением на каждом временном шаге.
Для решения заявленной выше задачи планируется и реализуется серия экспериментов, по результатам которых появляется возможность сопоставления согласованных аграрных с обособленными политиками стран-участниц ЕАЭС и доказательство существования (или отсутствия) согласованной аграрной политики, выгодной для всех участников интеграционного образования, приводящей, кроме этого, к высоким темпам ценовой конвергенции на рынках продовольствия.
ИССЛЕДОВАНИЕ ЧУВСТВИТЕЛЬНОСТИ РОССИЙСКОГО СЕЛЬСКОГО ХОЗЯЙСТВА К КЛИМАТИЧЕСКИМ ИЗМЕНЕНИЯМ Светлов Н.М. , д.э.н., главный науч. сотр. ФГБНУ «ФНЦ - ВНИИЭСХ» - филиал «Всероссийский институт аграрных проблем и информатики имени А.А. Никонова», проф. РГАУ - МСХА имени К.А. Тимирязева
Представленные в статье результаты дополняют методологию исследований по использованию биоклиматического потенциала России для нужд сельского хозяйства, изложенную в монографии [1]. Кроме того, они соотносятся с задачами информационного обеспечения анализа продовольственной безопасности, поставленными в статье [2], предлагая целостное решение для моделирования продовольственных балансов, внутренней и внешней торговли продукцией сельского хозяйства с учётом последствий глобального потепления.
Разработанная методика предназначена для изучения влияния климатических изменений на развитие сельского хозяйства. Она рекомендуется к использованию, прежде всего, Минсельхозом России в качестве одного из ключевых инструментов формирования перспективной аграрной политики. Она также принесёт пользу инвесторам, облегчая выявление и предварительную оценку направлений инвестиционной деятельности в сельском хозяйстве в региональном разрезе с учётом климатических рисков. С её помощью получены представленные ниже оценки степени влияния
глобального потепления на сельское хозяйство России и её регионов.
Методика заключается в совокупности приёмов проведения компьютерных экспериментов на математической модели [3] и анализа их результатов. Используемая модель была разработана для исследования тенденций размещения производительных сил. Она оперирует четырьмя продуктовыми агрегатами: зерно, молоко, скот и птица, остальная продукция сельского хозяйства. В качестве исходных служат данные БД региональных агропродо-вольственных систем, разработанной и поддерживаемой ВИАПИ [4], дополненные географическими данными о транспортных сетях и средних транспортных тарифах. Модель учитывает технологические возможности сельского хозяйства регионов России, потребности населения в продовольствии, внешнюю торговлю, межрегиональные транспортные связи, региональную дифференциацию природных условий, погодные и рыночные риски агробизнеса.
Первый результат применения методики - сравнительный анализ размещения производительных сил, существующего ныне и ожидаемого в случае одного из сценариев климатических изменений - изложен в статье [5]. Здесь тот же сценарий сопоставляется не с фактическим размещением, а с ожидаемым примерно в пятилетней перспективе в случае неизменного климата. Если подход [5] выявляет различие между нынешним положением дел и одним из вероятных вариантов будущего, то в данной статье выявляется влияние изменений климата в чистом виде путём сравнения двух вариантов будущего.
Исследуемый сценарий предполагает, что треть территории каждого региона России, относящейся ныне к некоторой природно-сельскохозяйственной зоне с достаточным или избыточным увлажнением, в прогнозном периоде войдёт к ближайшую более тёплую зону с аналогичным увлажнением. Зональная принадлежность остальных двух третей территории не изменяется. Регионы, отнесённые к засушливым зонам, а также к наиболее тёплой из имеющихся на территории России зон с достаточным увлажнением, сохраняют свою зональную принадлежность неизменной.
Ресурсная база сельского хозяйства регионов России, региональный спрос на продовольствие, технологические возможности оставлены на уровне факта 2011...2015 гг. До 10% ресурсов каждого региона могут быть перераспределены для использования более эффективными производственными процессами
из числа доступных в соответствующих при-родно-сельскохозяйственных зонах (что и определяет примерно пятилетний горизонт планирования). Принято решение не вносить в модель дополнительный субъективизм, прогнозируя ресурсный потенциал и спрос: в таком случае встанет проблема отделения эффекта климатических изменений от эффектов изменений, внесённых в условия задачи. Итак, решение модели выявляет реакцию на климатические изменения того сельского хозяйства России, каким оно было в 2011.2015 гг.
Полученные результаты оказались парадоксальными.
Во-первых, эффект довольно мощного климатического воздействия, предполагаемого сценарием, составит лишь доли процента к продукции, которая была бы получена в отсутствие изменений климата.
Во-вторых, этот эффект положителен с точки зрения маржинального дохода (МД) сельского хозяйства - а значит, и совокупной прибыли сельскохозяйственных товаропроизводителей; но отрицателен с точки зрения валового производства продукции сельского хозяйства. Разница в среднегодовом МД между двумя сценариями составляет 6,5 млрд. руб. в пользу потепления (0,69% к его величине; все стоимостные показатели приведены к 2015 г.). Разница в среднегодовой стоимости произведённой продукции в ценах продаж составляет, наоборот, 20,13 млрд. руб., или 0,40%, в пользу сценария «без потепления».
Больший МД в случае потепления объясняется, во-первых, концентрацией производства (особенно ориентированного на экспорт) в регионах, выгодных в транспортном отношении, из-за чего часть ресурсов в традиционных аграрных регионах становится неконкурентоспособной и избыточной; во-вторых, возрастанием экспорта. В сценарии потепления среднегодовой экспорт мясной продукции (в пересчёте на живую массу скота и птицы) оказывается больше на 3,15%, достигая 1,060 млн т, а зерна - на 0,55%, достигая 42,07 млн т. Молочная продукция не экспортируется в обоих сценариях, а экспорт других видов сельхозпродукции используемая нами модель не описывает.
Противоречивый эффект потепления следует понимать в контексте модельного предположения о фиксированной ресурсной базе. Если допустить её рост, то в случае потепления возрастает, в силу большей маржи, инвестиционная привлекательность отрасли, а значит, приращение ресурсов окажется большим, чем при неизменном климате. Оха-
рактеризовать этот эффект конкретными цифрами не представляется возможным из-за не-
надёжности прогнозов роста ресурсного потенциала регионов.
Таблица 1. Сравнение перспективных объёмов производства сельхозпродукции в России в ситуациях
«без потепления» и «с потеплением»
Вид продукции Объём производства Относительный прирост, %
«Без потепления» «С потеплением» Разница
Зерно, млн т 91,3 91,4 0,113 0,12
Скот и птица в живой массе, млн т 12,5 12,4 -0,104 -0,83
Молоко, млн т 30,6 30,4 -0,152 -0,50
Остальная продукция, млрд руб. 2162 2155 -6,724 -0,31
Всего, млрд руб. 5031,43 5011,3 -20,13 -0,40
Таблица 2. Сравнение перспективных региональных объёмов производства сельхозпродукции в ситуациях «без потепления» и «с потеплением»
Продукция Регион Производство без потепления Потепление: прирост к ситуации «без потепления»
Всего % к региону % к России
Зерновые, тыс. т Красноярский край 2030,0 63,3 3,12 0,069
Смоленская обл. 216,2 38,3 17,72 0,042
Московская обл. 276,9 -29,2 -10,56 -0,032
Свердловская обл. 636,9 -51,0 -8,00 -0,056
Скот и птица в живой массе, тыс. т Кировская обл. 96,4 4,0 4,11 0,032
Тюменская обл. 178,2 2,8 1,60 0,023
Московская обл. 283,6 -16,2 -5,71 -0,129
Нижегородская обл. 146,7 -17,5 -11,93 -0,140
Молоко, тыс. т Смоленская обл. 267,1 5,0 1,86 0,016
Рязанская обл. 355,9 -19,0 -5,35 -0,062
Свердловская обл. 618,3 -45,5 -7,35 -0,149
Остальная с.-х. продукция, млн руб. Вологодская обл. 10974 708 6,45 0,033
Республика Коми 6190 610 9,85 0,028
Нижегородская обл. 36656 -998 -2,72 -0,046
Московская обл. 58071 -1755 -3,02 -0,081
Всего с.-х. продукции, млн руб. Вологодская обл. 31253 810 2,59 0,034
Тверская обл. 34055 365 1,07 0,018
Московская обл. 110644 -4146 -3,75 -0,306
Свердловская обл. 78376 -3219 -4,11 -0,318
В разрезе продуктов разница объёмов производства при двух сценариях представлена в табл. 1. Из четырёх видов продукции потепление положительно влияет только на объёмы производства зерна.
В табл. 2 представлены эффекты потепления в регионах, занимающих первые два места по абсолютному приросту - как положительному, так и отрицательному - каждого вида продукции при условии, что этот прирост превышает (по модулю) 1% к региональному производству. По молоку положительный прирост наблюдается в единственном регионе - на Смоленщине.
Подведём итог. В масштабах России с её огромными территориями, разнообразием
природных условий и острой проблемой транспорта влияние глобального потепления на сельское хозяйство несущественно. Оно оказывается не национальной проблемой, а региональной. От федеральных органов власти втребуется, вне зависимости от изменений климата, забота о развитии транспортной инфраструктуры [3]. А вот власти ряда регионов - особенно Свердловской, Вологодской, Смоленской, Московской областей - оказываются лицом к лицу с неопределённостью. Размеры и оптимальная структура сельского хозяйства этих регионов существенно зависят от того, затронет их глобальное потепление или нет, а если затронет - то в какой степени.
Источники
1. Биоклиматический потенциал России: продуктивность и рациональное размещение сельскохозяйственных культур в условиях изменения климата / Под ред. А.В. Гордеева. М., 2012.
2. Светлов Н.М., Оболенцев И.А. Математические методы в анализе продовольственной безопасности: вопросы методологии // Развитие АПК в контексте обеспечения продовольственной безопасности / Под ред. В.Г. Гусакова. - Минск: Институт системных исследований, 2010. - с. 206-213.
3. Светлов Н.М., Сиптиц С.О., Романенко И.А. Как улучшить размещение отраслей сельско-
го хозяйства России // АПК: экономика, управление. 2018. №3. С.13-19.
4. Отчёт о НИР по теме «Разработать базы данных региональных агропродовольственных систем, содержащие инструментарий для оценки их эффективности и устойчивости» / ВИАПИ; Рук. темы С.О. Сиптиц. М., 2015.
5. Светлов Н.М. О подходе к совершенствованию размещения отраслей сельского хозяйства России в условиях технологических и климатических изменений // Сб. материалов СПЭК-2018 / Под общ. ред. С.Д. Бодрунова. СПб., 2019 (в печати).
ПРИОРИТЕТЫ ТЕХНОЛОГИЧЕСКОГО РАЗВИТИЯ СЕЛЬСКОГО ХОЗЯЙСТВА В СТРАНАХ МИРА: РЕЗУЛЬТАТЫ АНАЛИЗА БОЛЬШИХ ДАННЫХ Наумов А.С., к.геогр.н., зав. кафедрой МГУ имени М. В. Ломоносова, Кузьминов И.Ф., к. геогр.н., ст. науч. сотр., Хабирова Е.Е., ИСИЭЗ НИУ ВШЭ
Ускорение развития науки, технологий и инноваций влечет за собой радикальную трансформацию агропромышленного комплекса, рынков, бизнес-моделей, способов производства и распространения продуктов и услуг, институтов и приоритетов развития сельского хозяйства [1, 2, 3]. Взрывной рост объёма неструктурированной информации, которая уже не поддается анализу традиционными методами, становится серьезным вызовом для принятия доказательных и своевременных решений.
Для ответа на эти вызовы разработан инновационный подход к определению приоритетов технологического развития сельского хозяйства, результаты применения которого представлены ниже. Он основан на интеллектуальном анализе больших массивов текстовых данных с использованием Системы интеллектуального анализа больших данных iFORA, созданной в Институте статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ. Аналитика больших текстовых данных обеспечивает информационную поддержку процесса сканирования горизонтов и идентификации перспективных технологических направлений для научно-технологического прогнозирования (форсайта).
В основу проведённого анализа легла разработанная ранее онтология современных технологий, полученная из большого массива документов, связанных с сельским хозяйством. Методология этого анализа описана в одной из работ авторов [4]. Развитие связанных с сельским хозяйством технологий рассматривалось нами как для мира в целом, так и по отдель-
ным странам, что позволило выявить его глобальные и национальные приоритеты.
Основой анализа послужили различные тексты, в том числе, более 2 млн научных статей в международных журналах, 2 млн патентных заявок, более 200 тыс. отчетов международных организаций и национальных агентств (ФАО, Министерства сельского хозяйства США и др.), более 10 млн сообщений в отраслевых СМИ, посвящённых технологическим инновациям и венчурным инвестициям. Для проведения интегрированного статистического, синтаксического и семантического анализа текстов использовались автоматизированные инструменты сбора, обработки и преобразования данных. Для визуализации результатов были построены семантические карты (автоматически генерируемые онтологии рассматриваемого поля), географические карты частоты упоминания различных технологий, а также матрица соотнесения технологических приоритетов с отдельными странами. Таким образом, выявлены и наглядно продемонстрированы наиболее актуальные тематики в обработанном корпусе документов и их взаимосвязи, в том числе, в географическом контексте.
Ряд семантических карт был построен с целью выявления глобальных приоритетов технологического развития мирового сельского хозяйства по различным данным: базе публикаций WoS, патентным базам, публикациям в профильных СМИ. Рис.1 позволяет судить о наиболее часто встречающихся в научных статьях терминах, которые описывают сельскохозяйственные технологии и их элементы, а также об их взаимосвязях. Центральное место на ней занимает кластер, сфокусированный
