CC BY
4ФИЗИЧЕСКОЕ,_МАТЕМАТИЧЕСКОЕ,_КОМПЬЮТЕРНОЕ_И
ЭЛЕКТРОМОДЕЛИРОВАНИЕ
УДК 631.172:004.9
МОДЕЛИРОВАНИЕ ПРОЦЕССОВ ЭНЕРГООБМЕНА В АГРОПРОДОВОЛЬСТВЕННЫХ СИСТЕМАХ
Н.Е. Евдокимова
ВИАПИ им. А. А. Никонова - филиал ФНЦ ВНИИЭСХ, Москва, Россия
Аннотация. Чтобы выдержать испытания изменением климата и трансформации энергосистем, в сочетании с прогнозируемым ростом населения, сельское хозяйство должно адаптироваться к переменам и производить больше более дешевых продуктов питания, уменьшая при этом свою зависимость от невозобновляемых источников энергии и сохраняя экосистемы. Экспертная систематизация существующих математических моделей, которые изучают энергопотоки в агропродовольственных системах, с выделением потенциальных преимуществ и недостатков в применении различных методологий моделирования необходима на практике для критической оценки адекватности моделирования и прогнозирования системного развития. Будущее за применением комплексных подходов при моделировании с целью проектирования и поддержки энергоэффективных и углероднонейтральных агропродовольственных систем. Такие модели смогут лучше представить новые энергетические технологии, интегрировать различные методологии моделирования и включать социальные, демографические, экономические и климатические сценарии в целостную систему прогнозирования, как краткосрочных, так и долгосрочных процессов эволюции моделируемых объектов.
Ключевые слова: агропродовольственные системы, сельское хозяйство, энергетика, моделирование, интегрированные модели, энергобаланс, парниковые газы, изменение климата.
Введение
Энергообмен играет ключевую роль в агропродовольственных системах. Растениеводство основано на преобразовании солнечной энергии в биомассу. Источники энергии из ископаемых, не возобновляемых ресурсов близки к истощению, и их количество будет так или иначе сокращаться. Они позволяют применять механизацию для увеличения производительности труда, но приводят к изменению климата. Энергообмен лежит в основе, как физических процессов, в том числе экосистем, так и экономики. Это объясняет необходимость анализа потоков энергии в агропродовольственных системах. Такой подход позволяет оценить не только их экономическую устойчивость, но и их энергоэффективность.
С тех пор, как люди научились выращивать потребляемые растения, естественные экосистемы стали преобразовываться в агроэкосистемы, которые нацелены на производство конкретных культур и животных. В доиндустриальных обществах сельское хозяйство было основным источником энергии и материалов, экономика тогда базировалась на биологических процессах. Промышленная революция увеличила производительность почвы и человека, но «подсадила» сельское хозяйство на использование не возобновляемых
энергоресурсов. Это поворотный момент нашей цивилизации от экономики на солнечной энергии к экономике использования полезных ископаемых [1]. В настоящее время мировая агропродовольственная система достигла критической точки развития по величине своих основных параметров (характеристик): влияния на природу и климат, потреблении ископаемой энергии на производство единицы пищевой продукции [2]. Агропродовольственный сектор экономики в настоящее время по оценкам ФАО потребляет 30% доступной в мире энергии, и на него приходится более 20% мировых выбросов парниковых газов.
Внимание исследователей к энергоэффективности сельского хозяйства обращено со времени первого нефтяного кризиса в 1970-х годах. С 2000-х годов вопросам энергообмена уделяется повышенное внимание из-за интереса к эффективности производства биотоплива и оценки выбросов парниковых газов от различных видов сельскохозяйственной деятельности. Этот интерес проявляется экспоненциальным ростом количества специализированных научных статей. В ряде опубликованных тематических обзорах таких работ содержится множество видов анализа энергообмена в производственных системах. В работе [3] дан анализ структуры энергозатратности в продовольственных системах различных этапов производства продуктов питания. В обзоре [4] были критически оценены методы составления энергобалансов агропродовольственных систем, особо отмечена изменчивость стоимости энергозатрат, а также сложность определения границ исследуемой системы. Статья [5] оценивает энергоэффективность органического и традиционного сельского хозяйства. В этой работе [5] сделан вывод, что органическое сельское хозяйство более энергоэффективно, чем обычное, даже несмотря на то, что производительность на единицу продукта более волатильна. В аналитическом обзоре [2] были выделены различные подходы к оценке энергообмена, применяемые к агропродовольственным системам, их основные характеристики и их способность решать проблемы ресурсоэффективности, а также новые перспективные области исследования.
Этот обзор дает классификацию моделей, которые изучают потоки энергии на разных этапах производства продуктов питания, а также характеризует существующие зарубежные модели с выделением потенциальных преимуществ и недостатков в применении различных методологий моделирования. Практическая ценность такой систематизации в необходимости оценки адекватности моделирования энергопотоков в агропродовольственной системе, чтобы проектировать оптимальные энергоэффективные и устойчивые пути ее развития.
Связи между энергетикой и сельским хозяйством сложны и зависят от множества факторов. Для правильного выбора метода моделирования важно понимание всех особенностей моделей. Таким образом, необходимо оценить достоинства и недостатки существующих подходов к моделированию процессов энергообмена в агропродовольственной системе, и то, как эти подходы отражают сложные и нелинейные интерактивные процессы.
Методология и методы исследования
Традиционный подход к моделированию имеет тенденцию экстраполировать изменения энергопотребления на основе исторических тенденций; однако технологические инновации приводят к радикальным реформам в энергетических системах. Современной зарубежной и отечественной практике известны три основных подхода к моделированию: «нисходящий» или «сверху-вниз» («top-down»), «восходящий» или «снизу-вверх» («bottom-up») и гибридный.
Модели с подходом «снизу-вверх» обычно очень подробны, но их высокий уровень детализации и специфичность данных для конкретных продуктов и процессов мешает их включению в модели более высокого уровня агрегирования данных. С другой стороны, модели «сверху-вниз» рассматривают крупные этапы пищевой цепочки, но высокий уровень агрегирования информации ограничивает или сводит к нулю их возможность по выявлению проблемных критических «точек» энергетических или экологических проблем. Разработчики гибридных моделей пытаются использовать преимущества обоих подходов и уменьшить их ограничения.
Рассмотрим различные модели в каждой категории с точки зрения практичности, преимуществ и ограничений со ссылками на результаты их применений и исследований.
Результаты и обсуждение
Подходы «снизу-вверх» исходят при моделировании процессов от места возникновения ситуаций, начиная с нижнего уровня производственной технологии, то есть разработка модели начинается с простейших отдельных технологических процессов с последующей их увязкой и переходом к моделированию более высоких уровней производственной иерархии. Это очень детализированный метод, поэтому он требует подробного связного учета всех затрат энергии, параметров окружающей среды, экономики и материалов для различных процессов производства пищевой продукции. В таблице 1 систематизированы основные представители модельного ряда с их краткими характеристиками.
Таблица 1 - Подход к моделированию «снизу - вверх»
Название и краткое описание модели
Достоинства
Недостатки
Модели жизненного цикла (ЬСЛ) - оценивание входных и выходных потоков энергии, а также выбросов парниковых газов со стороны агропродовольственной системы на всех стадиях жизненного цикла продукта.
Высокая детализация данных о энергопотоках и выбросах парниковых газов; улавливает сложные взаимосвязи и этапы продовольственных и энергетических цепочек; позволяет находить критические места по затратам энергии и вредным выбросам.
Сложный детальный сбор данных; анализ индивидуален для каждого продукта или процесса; различные единицы измерения и процессы в системах усложняют метод; игнорирует влияние всей системы на ее элементы; нуждается в постоянном обновлении информации.
MARKAL (МАЯКе и ALlocation) и ее расширения - это числовые модели частичного равновесия для экономического анализа эволюции систем за длительный период (обычно 40-50 лет). Инструмент много периодного линейного программирования и оптимизации затрат при выборе влияния нескольких технологий.
Технологии и процессы могут быть подробно смоделированы в явном виде; в настоящее время это наиболее широко используемые модели в различных исследованиях в области энергетики, интенсивно разрабатываются различные расширения и обновления; позволяет хорошо имитировать эволюцию спроса и цен на энергоисточники.
Результаты зависят от точности ввода-вывода информации и описания технологических процессов; базы данных необходимо регулярно обновлять.
Регрессионные модели - Относительно просты в Большой объем данных для
находят причинно- использовании и исходных расчетов; дают только
следственную связь параметризации; дают количественные оценки и не
между зависимыми и упрощенное описание выявляют факторы
независимыми проблемы и позволяют быстро неэффективности;
переменными в цепочке находить меры регулирования. требуются постоянные
питания и энергии. обновления зависимостей.
Стратегия «сверху-вниз» требует, прежде всего, формирования моделей ситуаций высшего уровня управления, а лишь затем их разукрупнения и детализации до уровня отдельных технологических процессов. Это метод разложения моделируемого сценария на набор уравнений, где искомое получается из комбинации переменных, рассматриваемых как причинные факторы. Выбор факторов зависит как от концепции модели, так и от доступности данных. Переменные можно разделить на эндогенные и экзогенные, данные с годовым шагом, модели разрабатываются к экономике в целом или к ее части. В таблице 2 систематизированы основные представители таких моделей с их краткими характеристиками.
Таблица 2 - Подход к моделированию «сверху - вниз»
Название и краткое описание Достоинства Недостатки
модели
Экономико-математические Анализирует влияние Ограничивается точкой
балансовые модели «затраты- всей экономики на покупки и не отражает
выпуск» (IO) по денежным / каждую отрасль и отходы и импорт; анализ
энергопотокам в межотраслевые сильно агрегированных не
продовольственных системах. отношения; однородные обнаруживает проблемные
данные места; низкая частота
из тех же источников составления национальных
обеспечивают таблиц ввода-вывода
преемственность; анализ
позволяет
идентифицировать сектор
с низкой
производительностью.
Индексные модели Метод относительно Требует адекватного уровня
декомпозиционного факторного быстрый и простой в дезагрегирования, иначе
анализа (IDA) используются для реализации; результаты будут слишком
оценки вклада выбранных факторов Усовершенствованные общими;
в динамику потребления энергии и методы расчета индекса индекс Ласпейраса прост, но
выбросов парниковых газов, не имеют остатков в рассчитывается с остатками.
применяются при разработке, процессе декомпозиции;
мониторинге и реализации мер позволяют быстро
регулирования оценить общее
энергоэффективности различных воздействия мер
стран и их союзов. регулирования.
Динамические модели служат для прогнозирования последствий применения новых технологий и источников энергии, а также оценки выбросов парниковых газов в энерго-пищевой системе.
Может служить для выявления будущих энергетических и политических изменений.
Технологические эффекты часто неявно учитываются в моделях; значительный уровень допущений, который ставит под сомнение обоснованность таких моделей; для продовольствия примеры немногочисленны.
Таблицы 1 и 2 показывают, что преимущества одного подхода являются ограничениями другого. Подходы снизу-вверх обеспечивают преимущества высокого уровня детализации для конкретного продукта, в то время как подходы сверху-вниз имеют ограничения в доведении анализа до уровня отрасли сельского хозяйства или тем более пищевого продукта или сырья. Это обстоятельство привело к разработке гибридных моделей, сочетающих подходы межотраслевого баланса и моделей жизненного цикла. Такие гибриды позволяют следующее: дальнейшую дезагрегацию данных модели «затраты-выпуск» и включение общеэкономических эффектов в отдельные модели жизненного цикла. Это позволяет выявлять «проблемные места» и совершенствовать меры регулирования. Гибридный анализ, однако, может иметь проблемы во временной сопоставимости данных: таблицы «затраты-выпуск» обычно публикуются с интервалами от 1 до 5 лет. Гибридные модели на основе таблиц «затраты-выпуск» наиболее популярны в приложении к агропродовольственным системам и пищевым продуктам из-за доступности исходных данных и базовых исследований. Однако, выбор конкретного метода моделирования зависит от множества критериев, таких как требования к данным, периодичность исходных данных, границы разноуровневых систем, границы технологий, территориальная привязка, доступные аналитические инструменты, время и трудоемкость, простота применения, необходимые вычислительные средства, а также цель и трудоемкость моделирования. Как правило, использование гибридных моделей сосредоточено на выбросах парниковых газов из-за большого значения, придаваемого экологической политике. Существуют и другие гибридные модели, такие как модель MARKAL/TIMES-MACRO и т.п. Однако пока нет публикаций по их применению к агропродовольственным системам.
Выводы
Представленный обзор методов математического моделирования энергопотоков и оценки выбросов парниковых газов в агропродовольственных системах был выполнен по трем основным подходам. Актуальность данного обзора обосновывается необходимостью разработки методов адекватного моделирования целостной системы питания людей и энергии, чтобы эффективно управлять устойчивым развитием производства продовольствия, своевременно решая в условиях климатических изменений задачу обеспечения продовольственной безопасности.
Выбор одного подхода к моделированию по сравнению с другим зависит от множества критериев, включая требования к данным, неопределенность, технологии, которые необходимо моделировать, доступные аналитические инструменты, время и трудозатраты. Следует также отметить, что один и тот же подход к моделированию может приводить к различным результатам в зависимости от сделанных предположений и принятых допущений. Относительно простые и быстрые в разработке модели, например, регрессионные, весьма полезны для получения представления о влиянии регулирования в
конкретных случаях, но при использовании в целостной имитации агропродовольственной системы могут привести к увеличению ошибок и неопределенностей из-за сложности взаимодействия факторов и переплетения технологических и природных процессов [6-7].
Наиболее сложно моделирование сельского хозяйства и учет всех отходов, поскольку включает относительно больше допущений и неопределенностей (связанных, в том числе, с неопределенностью природно-климатических и биологических процессов, а также связями параметров из разных областей научного знания), чем другие части агропродовольственных систем. Это особенно важно для моделирования выбросов парниковых газов из-за необходимости учитывать биологические процессы в сельском хозяйстве и отходы производства на основе различных коэффициентов пересчета, которые увеличивают вероятность неточностей в модели. Тем не менее, эти неточности можно количественно оценить с помощью, например, коэффициента корреляции в регрессионных моделях, или относительных процентов в других моделях.
На сегодняшний день в большинстве исследований по разработке моделей агропродовольственных систем ее элементы оцениваются, как с точки зрения изменения в них энергии, так и с точки зрения выбросов парниковых газов. В связи с популярностью темы, в большинстве случаев упор делается на оценку выбросов парниковых газов и их влияние на изменение климата. Однако, энергетические зависимости не менее важны, особенно по мере того, как продовольственная безопасность приобретает все большее значение, а продукты питания и не возобновляемые ресурсы отделяются друг от друга по мере того, как внедряется все больше возобновляемых энергоресурсов. Будущее за применением комплексных подходов при моделировании с целью проектирования и поддержки энергоэффективных и углероднонейтральных агропродовольственных систем. Такие модели смогут лучше представить новые энергетические технологии, интегрировать различные методологии моделирования и включать социальные, демографические, экономические и климатические сценарии в целостную систему прогнозирования, как краткосрочных, так и долгосрочных процессов эволюции моделируемых объектов. Хотя разработка и применение динамических моделей сложны, но необходимость учета воздействия мер регулирования во времени имеет важнейшее значение и требует дальнейших исследований. Внутренние потоки биомассы, которые играют роль в поддержании функциональности агроэкосистемы [8], также важно адекватно имитировать в системе моделей. Интеграция органического вещества почвы в энергетический баланс приводит к значительным изменениям в оценке энергоэффективности, играя функцию хранения биотической энергии в системе.
Список использованных источников:
1. Daviron B. (2016) Agriculture et économie: du solaire au minier... et retour? Agron. Environ. Soc. 6(1):23-34.
2. Hercher-Pasteur J., et al. (2020) Energetic assessment of the agricultural production system. A review. Agron. Sustain. Dev. 40, 29. https://doi.org/10.1007/s13593-020-00627-2.
3. Pelletier N., et al. (2011) Energy intensity of agriculture and food systems. An. Rev. Env. Res. 36:223-246. https://doi.org/10.1146/annurev-environ-081710-161014.
4. Zegada-Lizarazu W., et al. (2010) Critical review on energy balance of agricultural systems. Biofuels Bioprod. Biorefin. 4:423-446. https://doi.org/10.1002/bbb.227.
5. Smith L., et al. (2015) The energy efficiency of organic agriculture: a review. Renew. Agric. Food Syst. 30:280-301. https://doi.org/10.1017/S1742170513000471.
6. Будников Д.А. Построение системы управления сушкой зерна // Робототехника в сельскохозяйственных технологиях. - Мичуринск: ООО "БИС", 2014. - С. 68-70.
7. Васильев А.Н., Васильев А.А., Будников Д.А. Регрессионные зависимости коэффициента сушки от параметров агента сушки, вида и параметров электрофизического воздействия // Сушка, хранение и переработка продукции растениеводства. - Москва: "Перо", 2018. - С. 30-35.
8. Масалов В.Н., Березина Н.А., Лобков В.Т., Бобкова Ю.А. Управление плодородием почв на основе интенсификации биологических факторов в системах земледелия // Вестник аграрной науки. - 2021. - № 3(90). - С. 10-17.
Наталья Егоровна Евдокимова, кандидат экономических наук, nevdoki@gmail.com, Москва, Россия, Федеральное государственное бюджетное научное учреждение «Федеральный научный центр аграрной экономики и социального развития сельских территорий - филиал Всероссийский научно-исследовательский институт экономики сельского хозяйства» (ФГБНУ ФНЦ ВНИИЭСХ- филиал ВИАПИ им. А.А. Никонова)
MODELING OF ENERGY EXCHANGE PROCESSES IN AGRI-FOOD SYSTEMS
N.E. Evdokimova
Abstract. To withstand the challenges of climate change and the transformation of energy systems, combined with projected population growth, agriculture must adapt to the changes and produce more cheaper food, while reducing its dependence on non-renewable energy sources and preserving ecosystems. Expert systematization of existing mathematical models that study energy flows in agri-food systems, highlighting the potential advantages and disadvantages of using various modeling methodologies, is necessary in practice to critically assess the adequacy of modeling and forecasting system development. The future belongs to integrated modeling approaches to design and support energy efficient and carbon neutral agri-food systems. Such models will be able to better represent new energy technologies, integrate various modeling methodologies and include social, demographic, economic and climatic scenarios in a holistic forecasting system for both short-term and long-term evolution processes of simulated objects.
Keywords: agri-food systems, agriculture, energy, modeling, integrated models, energy balance, greenhouse gases, climate change.
N.E. Evdokimova, Cand. econ. sci., nevdoki@gmail.com, Moscow, Russia, VIAPI n.a A.A. Nikonov - the branch of FSBSIFSC AESDRA - VNIIESH
