Биоклиматический потенциал и размещение зернового производства

условия , так и влияние засухи на его результативность . В наиболее благоприятные годы средняя урожайность зерна в области составляет 27 ц / га . В засушливые годы средняя урожайность складывается в размере 15 ц / га .

Эффективность производства зерна внутри области по районам , в районах по хозяйствам , при различии природных и экономических условий хозяйствования обусловлена значительной вариабельностью . Оценка эффективности производства зерна по отношению к областному уровню позволяет дифференцированно подойти к развитию рынка зерна , поскольку на этом уровне возможно наиболее точно определить меры и рычаги регулирования формирования рынка зерна для каждого конкретного района в соответствии с условиями производства , определяющими его результативность .

Рациональное размещение сельского хозяйства по районам области позволит в значительной степени увеличить объемы производства продукции , снизить ее себестоимость и повысить эффективность использования производственного потенциала , так как результаты производства могут быть выше там , где для них имеются наиболее благоприятные условия . [1]

Для определения и анализа условий , положительно или отрицательно влияющих на сельскохозяйственное производство , на наш взгляд , могут быть использованы различные показатели и данные : почвенный состав , климатические условия , средние по району показатели урожайности и эффективности возделывания культур и др . Определение этих показателей осуществляется с помощью статистических данных за длительный период времени ( не менее 6 лет ), которые позволяют проследить динамику показателей , выявить тенденцию .

При планировании размещения посевов на территории с наиболее благоприятными условиями , в первую очередь , необходимо осуществить количественный анализ показателей , характеризующих устойчивость воспроизводства . Одним из этих показателей является колеблемость ( вариация ). Изучение изменений различных явлений во времени возможно с помощью составления и анализа рядов динамики , представляющих собой числовые значения определенного показателя в последовательные моменты или периоды времени . [2]

Уровни ряда динамики формируются под влиянием различных взаимодействующих факторов, одни из которых определяют тенденцию развития, а другие колеблемость. Для измерения колеблемости уровней в рядах динамики урожайности зерновых культур определим коэффициент колеблемости урожайности для каждого района Орловской области. Для расчетов используем данные об урожайности зерновых культур по районам с 2000 по 2008 годы и формулы расчета коэффициента колеблемости. Результаты расчетов представлены в таблице 1.

Таблица 1 – Коэффициенты колеблемости урожайности зерновых культур по районам Орловской области

Район	( у i - ỹ )2	σ	V
Болховский	58,98	3,14	14,54
Знаменский	22,47	1,94	9,45
Хотынецкий	46,78	2,79	11,43
Ш аблыкинский	12,69	1,45	8,27
Сосковский	9,55	1,26	7,27
Урицкий	4,63	0,88	4,3
Дмитровский	16,2	1,64	9,81
Троснянский	53,74	2,99	11,58
Кромской	17,09	1,69	8,35
Орловский	44,08	2,71	10,52
Мценский	33,89	2,38	9,61
Корсаковский	77,68	3,59	16,2
Новосильский	30,26	2,25	10,19
Залегощенский	59,57	3,15	12,19
Свердловский	35,68	2,44	9,22
Глазуновский	24,65	2,03	9,07
Малоархангельский	23,57	1,98	7,61
Покровский	22,31	1,93	8,24
Верховский	15,31	1,59	7,23
Новодеревеньковский	20,96	1,87	8,38
Краснозоренский	40,88	2,61	12,55
Ливенский	38,19	2,52	8,55
Колпнянский	39,35	2,56	10,36
Должанский	38,86	2,54	7,06
В целом по области	10,42	1,32	5,43

Из расчетов видно , что условия отдельных участков территории региона по - разному влияют на устойчивость производства зерновых культур . Так , наименьшая колеблемость составляет 4,3% ( Урицкий район ), а наибольшая – 16,2% ( Корсаковский район ). Таким образом , разброс составляет 11,9%. Проведенные расчеты подтверждают неодинаковое влияние факторов на показатели производства . Полученные данные уже выявляют ряд районов , обладающих наиболее стабильными условиями выращивания зерновых . Не смотря на это перечисленные районы нельзя считать наиболее благоприятными .

Более основательно подойти к оценке эффективности размещения зерновых культур по территории Орловской области позволяет анализ нескольких взаимосвязанных показателей, на основе которых с помощью программы STATISTICA можно осуществить кластерный анализ территории региона. Кластерный анализ объединяет различные процедуры, используемые для проведения классификации. В результате применения этих процедур исходная совокупность объектов разделяется на кластеры или группы (классы) схожих между собой объектов. Под кластером обычно понимают группу объектов, обладающую свойством плотности, дисперсией, отделимостью от других кластеров, формой и размером. [3]

Метод кластерного анализа широко используются в социологических , маркетинговых и экономических исследованиях . Сложность задач кластерного анализа состоит в том , что реальные объекты являются многомерными , то есть описываются не одним , а несколькими параметрами и объединение объектов в группы производится в пространстве многих измерений .

В целом методы кластеризации делятся на агломеративные ( от слова агломерат - скопление ) и итеративные дивизивные ( от слова division – деление , разделение ).

В агломеративных , или объединительных методах происходит последовательное объединение наиболее близких объектов в один кластер . Процесс такого последовательного объединения можно изобразить графически .

В программе STATISTICA реализованы следующие агломеративные методы кластеризации : joining (tree clustering), two-way joining, а также метод k- средних – k-means clustering.

Для расчетов нами был использован последний метод - k-means clustering. Данный метод , в отличие от других , работает непосредственно с объектами , а не с матрицей сходства .

В методе k- средних объект относится к тому классу , расстояние до которого минимально . Расстояние понимаются как евклидово расстояние , то есть если объект описывается двумя параметрами , то он может быть изображен точкой на плоскости , а расстояние между объектами – это расстояние между точками , вычисленное по теореме Пифагора .

Расстояние от объекта до совокупности объектов можно определить следующим способом : каждый класс объектов имеет центр тяжести , в качестве которого можно взять средние по каждому параметру , тогда расстояние между объектом и классом есть расстояние между объектом и центром класса .

В нашем случае объектами рассмотрения являются районы Орловской области , которые различаются по уровням урожайности , валовому сбору , себестоимости , прибыльности , рентабельности , а так же по показателям удельного веса посевов зерновых культур в площади сельскохозяйственных угодий района .

С помощью программы STATISTICA исходные данные стандартизируются . Это происходит посредством нахождения отношения разницы между фактическим и средним показателем и стандартным отклонением ( квадратный корень из дисперсии ).

Получив стандартизированные данные , в программе задается число кластеров , на которые необходимо разбить совокупность объектов .

Производится деление объектов и расчет показателей , характеризующих каждую отдельную группу . Итоговые результаты кластерного анализа представлены в таблицах 2 и 3 .

Таблица 2 – Значения кластеров

Показатели	Кластер № 1	Кластер № 2	Кластер № 3
Урожайность , ц / га	0,948	0,437	-0,938
Удельный вес зерновых в с - х угодьях , %	1,796	0,264	-0,719
Валовой сбор , ц .	3,807	0,071	-0,609
Прибыль ( убыток ), тыс . руб .	3,723	-0,083	-0,311

Таблица 3 – Результаты разделения районов области на 3 кластера

№ кластера	Список вошедших районов
1	Ливенский , Колпнянский , Должанский
2	Болховский , Хотынецкий , Троснянский , Кромской , Орловский , Мценский , Корсаковский , Залегощенский , Свердловский , Глазуновский , Малоархангельский , Покровский , Верховский
3	Знаменский ,     Ш аблыкинский ,     Сосковский , Урицкий ,      Дмитровский ,      Новосильский , Новодеревеньковский , Краснозоренский

Анализируя причины объединения в ходе кластерного анализа районов в группы , можно выявить следующие положения .

Восемь районов третьей группы характеризуются низким уровнем средних показателей урожайности (15,3 ц / га ), что ниже среднеобластного значения на 6,3 ц / га . Минимальная урожайность на уровне 12 ц / га сложилась в Дмитровском районе , а максимальная – 19 ц / га в Знаменском районе . Зерновое производство в районах данной группы является убыточным ( размер убытков 21039,5 тыс . рублей ). Сумма убытка колеблется от 528 тыс . руб . в Знаменском районе до 20540,5 тыс . руб . в Дмитровском . Валовой сбор зерновых в данной группе значительно ниже среднего значения по области . То есть группу по всем показателям можно охарактеризовать как наименее благоприятную для возделывания зерновых культур . Таким образом , зерновое производство в данном кластере является неэффективным и не сможет способствовать динамичному развитию рынка зерна .

Показатели второго кластера :

• -    средняя урожайность 25 ц / га ;

• -    минимальная урожайность - 19 ц / га в Верховском районе ;

• -    максимальная урожайность - 28,5 ц / га в Залегощенском районе ;

• -    средний валовой сбор района данного кластера – 408816,9 ц зерна ;

• -    прибыль – 47413,5 тыс . руб . или по 3161 тыс . рублей на район .

Тринадцать районов, входящих в его состав, более перспективны для развития рынка зерна. Применение интенсивных технологий, использование в качестве посевного материала семян высокопродуктивных сортов может также существенно повлиять на дальнейшее развитие, расширение границ и увеличение емкости рынка в данных районах, даст хорошие результаты и повысит стабильность производства зерновых.

Наибольший интерес представляет первый кластер , в него включены три района . Это связано с тем , что по всем показателям они существенно отличаются от других и не могут быть включены ни в одну из вышерассмотренных групп . Производство зерновых характеризуется высокими средними показателями урожайности – 34,3 ц / га , минимальным (26 ц / га ) и максимальным (42,5 ц / га ) зерновых , стабильностью получения хороших результатов производства – средний валовой сбор составляет 951042,3 ц , при уровне прибыли – 47198,8 тыс . рублей . Тем не менее , не смотря на самые благоприятные условия производства зерновых культур , районы не могут оказать существенное влияние на дальнейшее развитие рынка , так как почти все возможные ресурсы уже используются .

В целях планирования, прогнозирования и обоснования     производственных     показателей представляется целесообразным     определить вероятности получения определенных уровней урожайности в каждой группе. Имеющиеся статистические данные уровней урожайности за 8 лет позволяют рассчитать статистическую вероятность наступления события, которой является относительная частота появления этого события в n произведенных испытаний.

Статистическая вероятность рассчитывается по формуле :

Р ( А ) = w (A) = m/n,               (1)

• г де Р ( А ) – статистическая вероятность события А ;

• w    (A) – относительная частота ( частость ) события А ;

• m    – число испытаний , в которых появилось событие А ;

• n    – общее число испытаний .

Для определения частоты получения определенного уровня урожайности разобьем совокупность уровней урожайности от 15,4 ц / га до 39,3 ц / га ( размах вариации от минимальной до максимальной урожайности по области в период с 2000 по 2008 года ) на равные интервалы и определим число раз , в которых появлялся определенный уровень урожайности ( табл . 4).

Используя вышеприведенные данные , определим вероятность получения урожайности в каждом из интервалов для каждой их групп районов . Результаты расчетов представлены в таблице 5 и на рисунке .

Как мы видим из таблицы 5 и рисунка 1, для 1- го кластера наиболее характерна вероятность 22,2% получения урожайности в интервале от 27,5 до 29,9 ц / га , либо 32,5-34,9 ц / га , для 2- го кластера вероятность получения 20-22,4 ц / га составляет 28,6%. Для 3- го кластера наиболее вероятным ( в 27,1% случаях ) является получение урожайности от 15 до 17,4 ц / га .

Таблица 4 – Частотный анализ получения определенного уровня урожайности по районам Орловской области

Районы	Уровни урожайности , ц / га
	А	СО СО А	^ of OI О г-1	СО ■А OI Ю of г-1	^ о ю г-1	СО СО OI IQ о	of О	СО А А of	о ю S (О
Болховский		2	3			1
Знаменский	1	1	3	1
Хотынецкий		1	1		3	1
Ш аблыкинский	3	3
Сосковский	4	2
Урицкий		2	4
Дмитровский	4	2
Троснянский			1	1	1	3
Кромской		3	2	1
Орловский			1	1	3		1
Мценский			1	3		2
Корсаковский		1	3	1		1
Новосильский			5		1
Залегощенский			1	2		2	1
Свердловский				2	2	1	1
Глазуновский		2	1	2	1
Малоархангельский				2	2	2
Покровский			3	2		1
Верховский			5		1
Новодеревеньковский		1	3	1	1
Краснозоренский	1	1	2	1	1
Ливенский					1	3	1	1
Колпнянский			1	3	1	1
Должанский								3	3
В целом по области	13	21	40	23	18	18	4	4	3

Таблица 5 – Вероятности получения определенного уровня урожайности по кластерам

	А	СТх СТх А^	хГ of О1 о Г1	со. S А^ of ri	хГ А Г1	со СО О1 А^ OI	хГ of о	СО s' А^ of	ё о ю S (О
1 кластер			0,056	0,167	0,111	0,222	0,056	0,222	0,167
2 кластер		0,104	0,286	0,221	0,169	0,182	0,039
3 кластер	0,271	0,250	0,254	0,062	0,062

Рассчитанные вероятности также позволяют более обоснованно подойти к размещению зерновых по территории региона и планированию возможных результатов деятельности , а также оценить возможности отдельных субъектов рынка ( сельхозтоваропроизводителей ).

0,35 0,3 0,25 0,2 0,15

0,1 0,05

15-  17,5-  20-  22,5-  25-  27,5- 30-  325-  35 и

17,4  19,9  22,4  24,9  27,4  29,9 32,4  34,,9 более урожайность, ц/га

1 кластер 2 кластер 3 кластер

Рисунок – График значений вероятностей получения определенного уровня урожайности для каждого кластера

Статистические данные об урожайности зерновых и расчет коэффициентов её колеблемости позволили произвести кластерный анализ и разделить все районы области на 3 группы , отличающиеся степенью благоприятности условий для производства зерновых .

Наименее благоприятными являются условия 3- го кластера , наиболее благоприятными – 1- го кластера . Дальнейшее развитие регионального рынка зерновых культур возможно за счет использования производственного потенциала районов , включенных во 2- ой кластер .

Полученные значения вероятностей различных уровней урожайности могут быть использованы при планировании и обосновании производственных результатов как в целом по области , так и для каждого отдельного товаропроизводителя .

Оценку эффективности зернового производства необходимо использовать при совершенствовании действующих и обосновании новых экономических мер и рычагов регулирования развития зерновой отрасли .

Таким образом , в условиях рыночных отношений развитие производства в значительной степени обусловливается экономической целесообразностью его осуществления , которая , в свою очередь , определяется потребностью в зерне и наличием рынков сбыта продукции .

Улучшение положения зернового хозяйства поможет поднять экономику АПК и во многом обеспечить продовольственную безопасность страны [4].

Проблемы формирования рынка зерна лежат в трех плоскостях . Первая связана с относительно небольшими объемами зерна , продаваемыми через биржу , что обусловлено экономическими проблемами . В условиях финансовой нестабильности применение обычных для бирж инструментов фьючерсных и форвардных контрактов ограничено из - за нежелания субъектов рынка указывать вместе с объемом и цену товара .

Вторая проблема порождается введением органами исполнительной власти субъектов федерации ограничений на свободное перемещение зерна и продуктов его переработки по территории России .

И , наконец , третья проблема – отсутствие инфраструктуры , обеспечивающей функционирование единого рынка зерна в стране .

В качестве первоочередной задачи выступает создание условий , необходимых для восстановления и последующего развития зернового производства :

• -    придать зерновому хозяйству статус приоритетной отрасли через принятие системы неординарных и безотлагательных мер по государственной поддержке , как на федеральном , так и на региональном уровнях производителей товарного зерна независимо от форм собственности и хозяйствования ;

• -    определять на ближайшую и отдаленную перспективу систему основных мер по развитию зернового хозяйства и рынка , а также механизм их реализации на федеральном и региональном уровнях ;

• -    осуществлять государственное регулирование зернового рынка , создать специализированный орган управления , определяющий национальную зерновую политику , владеющий реальными экономическими рычагами и средствами для ее реализации , координации действий хозяйствующих субъектов рынка ;

• -    изменять пропорции стоимостного обмена между зерновым хозяйством и промышленностью , поставляющей ему ресурсы , а также частично перераспределить в пользу зерновой отрасли доходы , поступающие в федеральный и региональные бюджеты от промышленности , использующей зерно в качестве сырья для производства своей продукции ;

• -    использовать преимущественно экономические методы государственного регулирования зернового рынка с сочетанием механизмов оптимального сочетания ценовой политики , бюджетной поддержки , льготного налогообложения и кредитования и других , обеспечивающих режим максимального благоприятствования развитию зерновой отрасли ;

• -    сформировать государственный стабилизационный фонд зерна , а также принять ряд целевых федеральных , межрегиональных и региональных программ по отдельным видам зерна . Это позволит стабилизировать зерновой рынок , придать устойчивость хлебофуражному снабжению , усилить формирование крупномасштабных специализированных зон производства отдельных видов зерна при одновременном расширении и совершенствовании межрегиональных зерновых

связей , ускорить процесс формирования единого зернового рынка страны ;

• -    эффективно использовать существующую рыночную инфраструктуру , сформировать недостающие элементы и звенья с целью реализации потенциальных возможностей повышения эффективности зерновой отрасли , зернопроизводящих хозяйств и регионов .