CC BY
14384
DOI: 10.38197/2072-2060-2022-236-4-384-398
МОДЕЛЬНЫЕ ОцЕНКИ СТРУКТУРНЫХ СДВИГОВ В ЭКОНОМИКЕ СЕЛЬСКОГО
хозяйства при реализации различных
КЛИМАТИЧЕСКИХ СцЕНАРИЕВ MODEL EVALUATIONS OF STRUCTURAL SHIFTS IN THE AGRICULTURAL ECONOMY UNDER THE IMPLEMENTATION OF VARIOUS CLIMATE SCENARIOS
i
СИПТИЦ СТАНИСЛАВ ОТТОВИЧ
Руководитель отдела системных исследований экономических проблем АПК Всероссийского института аграрных проблем и информатики имени А.А. Никонова — филиала ФГБНУ ФНЦ ВНИИЭСХ, д.э.н.
STANISLAV O. SIPTITS
Head of the Department of System Research of Economic Problems of Nikonov All-Russian Institute of Agrarian Problems and Informatics — branch of the Federal Scientific Center VNIIESKh, Doctor of Economics
АННОТАЦИЯ
Неконтролируемое изменение климата на нашей планете вызовет серьезные структурные изменения в сельском хозяйстве. Адаптационные сценарии также столкнутся с территориальной и отраслевой корректировкой сложившейся аграрной структуры производства. Моделирование с использованием сценарного подхода позволяет получить обоснованные оценки региональных отличий адаптации к климатическим изменениям.
Uncontrolled climate change on our planet will cause major structural changes in agriculture. Adaptation scenarios will also face territorial and sectoral adjustment of the existing agrarian structure of production. Modeling using the scenario approach makes it possible to obtain reasonable estimates of regional differences in adaptation to climate change.
Моделирование, изменение климата, прогнозирование, структурные сдвиги, сельское хозяйство, сценарии, размещение.
Modeling, climate change, forecasting, structural shifts, agriculture, scenarios, deployment.
ABSTRACT
КЛЮЧЕВЫЕ СЛОВА
KEYWORDS
386
Введение
На нашей планете изменение климата стало одной из важнейших проблем за последние десятилетия. Во многих регионах мира исследователями и практиками отмечается влияние изменений климатических условий на урожайность сельскохозяйственных культур, доходы производителей и землепользование. Изменение климата в долгосрочной и среднесрочной перспективе является одним из факторов, которые будут влиять на размещение сельского хозяйства [1]. В последнее десятилетие во многих исследованиях оценивались последствия изменения климата и конкретные стратегии адаптации [2-4]. Кроме того, для будущего сельского хозяйства нельзя игнорировать потенциальное значение последствий экстремальных погодных явлений.
Структурные изменения относятся к категории стратегических (средне- и долгосрочных) инвестиционных решений, направленных на коренное изменение размеров, специализации или интенсивности производства. В работах [5, 6] на основе метаанализа было показано, что наиболее распространенным математическим методом изучения структурных изменений являются эконометрическое и агентное моделирование. Однако становление этих методов для анализа структурных изменений происходило на коротких временных интервалах. Использование этих моделей на длительный временной горизонт порождает множество неопределенностей в отношении того, как будет развиваться будущее производство в условиях действия многочисленных факторов. Практика разработки глобальных моделей общей циркуляции атмосферы и океана (МОЦАО) привела к сценарному подходу, который может работать как с качественной, так и с количественной информацией.
Материалы, задачи и методы исследования
Мы исходим из предположения, что климатические изменения с неизбежностью вызовут смещение природно-климатических зон и, как следствие, изменения в отраслевой структуре сельского хозяйства регионов, которые можно рассматривать как результат адаптации сельхозпроизводителей к новым условиям хозяйствования. Мы попытались получить оценки структурных сдвигов в основных отраслях сельского хозяйства регионов для двух достаточно контрастных климатических сценариев: RCP8.5 и RCP4.5. RCP (Representative Concentration Pathways — Репрезентативные Пути Концентрации) — стандартные сценарии, используемые Межправительственной группой экспертов по изменению климата (МГЭИК) и широко применяемые в исследованиях. Цифра сценария означает рост потока энергии в Вт/м2 на верхней границе тропосферы в конце XXI века. Приблизительное значение увеличения температуры приповерхностного слоя атмосферы планеты к этому времени можно получить, разделив это значение на 2. RCP8.5 имитирует климатические последствия (скорость глобального потепления) при сохранении существующих темпов экономического развития и количества выбросов парниковых газов. Сценарий RCP4.5 предполагает снижение темпов экономического развития с целью замедления скорости глобального потепления и уменьшения выбросов парниковых газов. Расчеты динамики климатических характеристик поэтимдвумсценариямвыполненынаосновеклиматической модели INMCM 4.0 Института вычислительной математики РАН [7]. Этим сценариям соответствуют прогнозы температур и осадков до 2100 года, которые мы использовали для оценок урожайностей основных культур с помощью набора
388
регрессионных моделей с гидротермическими характеристиками в качестве аргументов. Полученные зависимости были использованы в динамической модели, описывающей эволюцию основных характеристик региональных агропро-довольственных систем [8]. В соответствии с модельными представлениями о механизмах адаптации, посевные площади сельскохозяйственных культур и поголовье животных менялись в направлении градиента доходностей производства в соответствующих отраслях.
Результаты и обсуждение
Рассмотрим некоторые полученные в результате расчетов эффекты, связанные с динамикой урожайностей и посев-ныхплощадейзерновыхизернобобовых культурврегионах на интервале лет с 2030 по 2080 год.
На следующем рис. 1 в ранжированном виде показано распределение регионов по темпам изменения урожайностей для двух климатических сценариев RCP8.5 и RCP4.5.
Можно видеть, что число регионов с отрицательными темпами изменения урожайностей в сценарии RCP4.5 превышают число регионов в альтернативном климатическом сценарии. Кроме этого, среди регионов с отрицательными темпами роста урожайностей присутствуют традиционные производители зерна, такие как Краснодарский и Ставропольский края, Ростовская, Саратовская, Волгоградская, Орловская и Тамбовская области. Противоположная тенденция наблюдается в регионах Сибири и Северо-Запада. Таким образом, в связи с прогнозируемой климатической динамикой возникают обстоятельства, стимулирующие производителей к формированию стратегий адаптации.
Рис. 1. Распределение регионов по темпам изменения урожайностей зерновых и зернобобовых для двух климатических сценариев
Источник: расчеты автора
Группировка регионов по двум признакам — темпам изменения урожайностей и темпам изменения посевных площадей — и дает возможность определить вероятные стратегии адаптации к климатическому фактору на интервале прогноза. В табл. 1 приведены возможные варианты структурных сдвигов и соответствующие им адаптационные стратегии региональных агропродовольственных систем.
Группировка регионов, выполненная в соответствии с табл. 1, для климатического сценария RCP8.5 приведена далее в табл. 2-5. Похожий результат получается для сценария RCP4.5, разумеется, с другим составом регионов.
390
Та бл и ца 1
Классы стратегий адаптации к климатическим изменениям
Темп изменения урожайности Темп изменения посевных площадей
Отрицательный Положительный
Отрицательный Уменьшение объемов производства Экстенсивная адаптация
Положительный Интенсивная адаптация Расширенная адаптация
Источник: разработано автором
Та бл и ца 2
Регионы с уменьшением объемов производства зерновых
Зона уменьшения производства зерновых культур Темп изменения урожайности, ц/га/год Темп изменения посевных площадей, га/год
Краснодарский край -1,21 -3,72
Ростовская область -1,17 -3,92
Республика Северная Осетия - Алания -1,06 -2,24
Ставропольский край -0,90 -2,12
Астраханская область -0,90 -2,05
Республика Адыгея -0,89 -1,32
Волгоградская область -0,66 -2,93
Белгородская область -0,64 -0,29
Зона уменьшения производства зерновых культур Темп изменения урожайности, ц/га/год Темп изменения посевных площадей, га/год
Кабардино-Балкарская Республика -0,63 -1,83
Воронежская область -0,61 -1,21
Саратовская область -0,39 -1,88
Алтайский край -0,18 -0,51
Самарская область -0,11 -0,46
Новосибирская область -0,08 -0,80
Ульяновская область -0,04 -0,29
Источник: расчеты автора
Таблица 3
Регионы со стратегией экстенсивной адаптации
Экстенсивная адаптация Темп изменения урожайности, ц/га/год Темп изменения посевных площадей га/год
Республика Калмыкия -1,06 1,48
Республика Дагестан -0,56 0,11
Курская область -0,35 1,00
Карачаево-Черкесская Республика -0,28 1,15
Орловская область -0,15 1,56
Липецкая область -0,13 1,73
Приморский край -0,13 3,55
Пензенская область -0,04 2,15
Источник: расчеты автора
392
Та бл и ца 4
Регионы со стратегией интенсивной адаптации
Интенсивная адаптация Темп изменения урожайности, ц/га/год Темп изменения посевных площадей га/год
Оренбургская область 0,04 -0,75
Омская область 0,06 -0,77
Кемеровская область 0,07 -0,02
Курганская область 0,15 -0,54
Республика Башкортостан 0,16 -1,11
Челябинская область 0,20 -0,43
Томская область 0,25 -0,24
Источник: расчеты автора Та бл и ца 5 Регионы со стратегией расширенной адаптации
Расширенная адаптация Темп изменения урожайности, ц/га/год Темп изменения посевных площадей га/год
Чувашская Республика 0,11 0,04
Рязанская область 0,13 3,15
Ленинградская область 0,13 4,74
Московская область 0,14 2,88
Калининградская область 0,15 4,55
Хабаровский край 0,19 1,51
Республика Татарстан 0,19 0,41
Владимирская область 0,20 2,06
Смоленская область 0,20 3,49
Новгородская область 0,20 5,73
Ярославская область 0,21 2,97
Расширенная адаптация Темп изменения урожайности, ц/га/год Темп изменения посевных площадей га/год
Псковская область 0,21 4,74
Вологодская область 0,21 4,77
Ивановская область 0,23 3,95
Тверская область 0,24 3,59
Республика Мордовия 0,24 2,72
Нижегородская область 0,25 2,59
Костромская область 0,27 3,69
Удмуртская Республика 0,28 0,46
Республика Марий Эл 0,29 1,69
Кировская область 0,30 3,51
Пермская область 0,41 2,47
Свердловская область 0,43 2,85
Тюменская область 0,56 0,03
Красноярский край 0,58 0,62
Источник: расчеты автора
Отрасли животноводства значительно консервативнее в своих реакциях на климатические изменения. Динамика поголовья в основных отраслях определялась коэффициентами воспроизводства, которые, в свою очередь, зависели от доходностей производства молока и мяса [9]. На следующем рисунке сопоставляются темпы прироста поголовья молочных коров по двум климатическим сценариям на интервале 2030-2080 годов. Следует отметить, что общий прирост поголовья в сценарии RCP4,5 на 12% меньше альтернативного.
394
Рис. 2. Темпы прироста поголовья молочных коров по двум климатическим сценариям на интервале 2030-2080 годов Источник: расчеты автора
Заключение
В заключение несколько слов о других возможностях оценки влияния климатического фактора на результаты функционирования региональных агропродовольствен-ных систем. В ВИАПИ А.А. Никонова разработана модель частичного равновесия [10], которая связывает климатические изменения с результатами хозяйственно-финансовой деятельности региональных агропродовольственных систем, оценивает влияние климата на ценообразование на рынках продовольствия, определяет объемы экспорта и импорта для любого временного сечения на интервале прогноза. Информационное взаимодействие данной модели с упомянутой выше динамической моделью, опре-
деляющей эволюцию фазовых переменных региональных агропродовольственных систем, дает возможность последней использовать равновесные цены на сельскохозяйственную продукцию, а первой — прогнозируемые данные о производственных затратах, урожайностях и продуктив-ностях в отраслях животноводства.
Стратегические решения в отношении дальнейшего развития региональных АПС, находящихся под влиянием изменения климата, в отраслевом разрезе могут состоять: в развитии эффективно функционирующих отраслей и доведении их до оптимальных размеров, в реконструкции неэффективных отраслей, а также во введении новых видов деятельности. Второе направление можно реализовать двумя способами: исключить данный вид деятельности с передачей ресурсов или вывести ресурсы из оборота.
В данной работе рассмотрены лишь некоторые аспекты структурной трансформации региональных АПС под воздействием климатического фактора, которые входят в состав методологии получения соответствующих решений, предусматривающей сочетание экспертных процедур с инструментарием экономико-математического моделирования.
Библиографический список
1. Порфирьев Б.Н. Выступление на круглом столе «Глобальные климатические изменения: новые риски или факторы экономического роста России» / Б.Н. Порфирьев // Научные труды Вольного экономического общества России. — 2009. — Т. 115. — С. 14-38.
2. Киселев С.В. Прогнозирование развития сельского хозяйства России в условиях изменения климата / С.В. Киселев, А.С. Строков, А.Ю. Белугин // Проблемы прогнозирования. — 2016. — № 5 (158). — С. 86-97.
396
3. Constructing regional scenarios for sustainable agriculture in European Russia and Ukraine for 2000 to 2070 / I.A. Romanenko, V.A. Romanenkov, L.K. Shevtsova [et al.] // Regional Environmental Change. - 2007. - Vol. 7. - № 2. - P. 63-77.
4. The Effect of Crop Rotation and Cultivation History on Predicted Carbon Sequestration in Soils of Two Experimental Fields in the Moscow Region, Russia / K. Prokopyeva, V. Romanenkov, V. Pavlova [et al.] // Agronomy. - 2021. - Vol. 11. - № 2. - P. 226.
5. Zimmermann A., Heckelei T., Domínguez I. P. Modelling farm structural change for integrated ex-ante assessment: review of methods and determinants //Environmental science & policy. - 2009. - Т. 12. -№ 5. - С. 601-618.
6. Piorr A. et al. Integrated assessment of future CAP policies: land use changes, spatial patterns and targeting //environmental science & policy. - 2009. - Т. 12. - №. 8. - С. 1122-1136.
7. Володин Е.М. Воспроизведение современного климата с помощью совместной модели общей циркуляции атмосферы и океана INMCM 4.0 / Е.М. Володин, Н.А. Дианский, А.В. Гусев // Известия Российской академии наук. Физика атмосферы и океана. - 2010. -Т. 46. - № 4. - С. 448-466.
8. Сиптиц, С.О. Климатообусловленное адаптивное поведение региональных агропродовольственных систем / С.О. Сиптиц, И.А. Романенко, Н.Е. Евдокимова // Экономика сельского хозяйства России. - 2020. - № 6. - С. 91-98.
9. Разработать методологию и инструментарий стратегического планирования развития региональных агропродовольствен-ных систем с учетом долгосрочных климатических изменений: Этап 2. Разработать модельный инструментарий для обоснования направлений стратегического развития и размещения сельского хозяйства в региональных агропродовольственных системах с учетом долгосрочных климатических изменений: отчет
о НИР ВИАПИ им. А.А. Никонова - филиала ФНЦ ВНИИЭСХ. / Рук. темы С.О. Сиптиц. Рег. № АААА-А19-119021390093-4. - Москва: ВИАПИ, 2020.
10. Svetlov N. VIAPI model as a component of information technology for strategic planning of agri-food systems //Available at SSRN 3984882. - 2021.
References
1. Porfir'ev, B.N. Vystuplenie na kruglom stole "global'nye klimaticheskie izmenenija: novye riski ili faktory jekonomicheskogo rosta Rossii" / B.N. Porfir'ev // Nauchnye trudy Vol'nogo jekonomicheskogo obshhestva Rossii. - 2009. - T. 115. - S. 14-38.
2. Kiselev, S.V. Prognozirovanie razvitija sel'skogo hozjajstva Rossii v uslovijah izmenenija klimata / S.V. Kiselev, A.S. Strokov, A.Ju. Belugin // Problemy prognozirovanija. - 2016. - № 5 (158). -S. 86-97.
3. Constructing regional scenarios for sustainable agriculture in European Russia and Ukraine for 2000 to 2070 / I.A. Romanenko, V.A. Romanenkov, L.K. Shevtsova [et al.] // Regional Environmental Change. - 2007. - Vol. 7. - №. 2. - P. 63-77.
4. The Effect of Crop Rotation and Cultivation History on Predicted Carbon Sequestration in Soils of Two Experimental Fields in the Moscow Region, Russia / K. Prokopyeva, V. Romanenkov, V. Pavlova [et al.] // Agronomy. - 2021. - Vol. 11. - №. 2. - P. 226.
5. Zimmermann A., Heckelei T., Domínguez I.P. Modelling farm structural change for integrated ex-ante assessment: review of methods and determinants //Environmental science & policy. - 2009. - T. 12. -№ 5. - S. 601-618.
6. Piorr A. et al. Integrated assessment of future CAP policies: land use changes, spatial patterns and targeting //environmental science & policy. - 2009. - T. 12. - № 8. - S. 1122-1136.
398
7. Volodin, E.M. Vosproizvedenie sovremennogo klimata s pomoshh'ju sovmestnoj modeli obshhej cirkuljacii atmosfery i okeana INMCM 4.0 / E.M. Volodin, N.A. Dianskij, A.V. Gusev // Izvestija Rossijskoj akademii nauk. Fizika atmosfery i okeana. - 2010. - T. 46. - № 4. - S. 448-466.
8. Siptic, S.O. Klimatoobuslovlennoe adaptivnoe povedenie regional'nyh agroprodovol'stvennyh sistem / S.O. Siptic, I.A. Romanenko, N.E. Evdokimova // Jekonomika sel'skogo hozjajstva Rossii. — 2020. — № 6. - S. 91-98.
9. Razrabotat' metodologiju i instrumentarij strategicheskogo planirovanija razvitija regional'nyh agroprodovol'stvennyh sistem s uchetom dolgosrochnyh klimaticheskih izmenenij: Jetap 2. Razrabotat' model'nyj instrumentarij dlja obosnovanija napravlenij strategicheskogo razvitija i razmeshhenija sel'skogo hozjajstva v regional'nyh agroprodovol'stvennyh sistemah s uchjotom dolgosrochnyh klimaticheskih izmenenij: otchet o NIR VIAPI im. A.A. Nikonova - filiala FNC VNIIJeSH. / Ruk. temy S.O. Siptic. Reg. № AAAA-A19-119021390093-4. - Moskva: VIAPI, 2020.
10. Svetlov N. VIAPI model as a component of information technology for strategic planning of agri-food systems //Available at SSRN 3984882. - 2021.
Контактная информация / Contact information
Всероссийский институт аграрных проблем и информатики имени
А.А. Никонова
107078, Москва, Большой Харитоньевский пер., д. 21, стр. 1.
Nikonov All-Russian Institute of Agrarian Problems and Informatics
107078, Moscow, Bolshoi Kharitonevsky per., 21, bldg. 1.
Сиптиц Станислав Оттович / Stanislav O. Siptits
siptits@mail.ru
