EKONOMICKÝ SYSTÉM HODNOCENÍ VÝKONNOSTI ZEMĚDĚLSKÝCH PODNIKŮ RESPEKTUJÍCÍ PRINCIPY TRVALÉ UDRŽITELNOSTI HOSPODAŘENÍ S PŘÍRODNÍMI ZDROJI

Transkript

1 EKONOMICKÝ SYSTÉM HODNOCENÍ VÝKONNOSTI ZEMĚDĚLSKÝCH PODNIKŮ RESPEKTUJÍCÍ PRINCIPY TRVALÉ UDRŽITELNOSTI HOSPODAŘENÍ S PŘÍRODNÍMI ZDROJI Ladislav Jelínek a kolektiv Ústav zemědělské ekonomiky a informací

2 Ústav zemědělské ekonomiky a informací Ladislav Jelínek a kol. EKONOMICKÝ SYSTÉM HODNOCENÍ VÝKONNOSTI ZEMĚDĚLSKÝCH PODNIKŮ RESPEKTUJÍCÍ PRINCIPY TRVALÉ UDRŽITELNOSTI HOSPODAŘENÍ S PŘÍRODNÍMI ZDROJI (studie) Praha, 2010

3 Studie vznikla v rámci projektu NAZV QH Ekonomický systém hodnocení výkonnosti zemědělských podniků respektující principy trvalé udržitelnosti hospodaření s přírodními zdroji. Za obsah publikace odpovídají autoři: Ing. Ladislav Jelínek, Ph.D. (vedoucí autorského kolektivu) Ing. Jarmila Curtissová, Ph.D. Ing. Jaroslav Humpál Ing. Tomáš Medonos, Ph.D. Ing. Jindřich Špička Ing. Václav Vilhelm, CSc. Odborná spolupráce: Ing. Zdeněk Abrham, CSc. (Výzkumný ústav zemědělské techniky, v.v.i.) Dr. Bernadette Risoud (AgroSup Dijon) Ústav zemědělské ekonomiky a informací, Praha 2

4 Seznam použitých zkratek AE Alokační efektivnost ASA Autorizované odborové sdružení ve Francii ASP.NET Technologie pro tvorbu webových aplikací a služeb AWU Annual Working Unit - Roční pracovní jednotka CSV Comma-separated values = jednoduchý souborový formát určený pro výměnu tabulkových dat CUMA Družstvo pro využívání zemědělské techniky (Francie) ČSÚ Český statistický úřad ČÚZK Český úřad zeměměřičský a katastrální č.ž. čisté živiny DEA Data Envelopment Analysis DPH Daň z přidané hodnoty EAE Energetická alokační efektivnost EAFRD Evropský fond rozvoje zemědělství a venkova EB Energetická bilance EkE Ekonomická efektivnost EnE Energetická efektivnost ENESAD Établissement National d Enseignement Supérieur Agronomique de Dijon Národní institut vyššího vzdělání v zemědělství v Dijonu EQF EQF Ekvivalent litru pohonných hmot ETA Podnik pro zemědělské práce (Francie) EU Evropská unie FO Fyzická osoba HDP Hrubý domácí produkt Nadstavba síťového protokolu HTTP (Hypertext Transfer Protocol - HTTPS internetový protokol určený pro výměnu hypertextových dokumentů), která umožňuje zabezpečit spojení mezi webovým prohlížečem a webovým serverem před odposloucháváním, podvržením dat a umožňuje též ověřit identitu protistrany HZP Hrubá zemědělská produkce IPCC International Panel of Climate Change - Mezinárodní panel expertů na klimatické změny kj Kilojoule LFA Méně příznivé oblasti (Less Faroured Areas) MJ Megajoule MKS Mléčná krmná směs NH Národní hospodářství OKEČ Odvětvová klasifikace ekonomický činností OZE Obnovitelný zdroj energie PLANETE Méthode Pour L'Analyse EnergéTique de l'exploitation (Metoda pro energetickou analýzu podniků) PO Právnická osoba POR RIV s.c. SE SOLAGRO TE TEP Prostředky ochrany rostlin Rejstřík informací o výsledcích výzkumu Stálé ceny Scale efektivnost efektivnost z velikosti Sdružení inženýrů, zabývajících se otázkami energií (Francie) Technická efektivnost Tuna v ekvivalentu nafty 3

5 TJ TTP ÚCP ÚZEI VDJ VO VÚRV VÚZE VÚZT Terajoule Trvalé travní porosty Úřední cena půdy Ústav zemědělské ekonomiky a informací Velká dobytčí jednotka Výrobní oblast Výzkumný ústav rostlinné výroby Výzkumný ústav zemědělské ekonomiky Výzkumný ústav zemědělské techniky 4

6 Obsah Obsah... 5 Souhrn Shrnutí k dokumentaci ze šetření k nákladově energetickým vstupům Obecná charakteristika šetřených podniků Základní charakteristiky o produkci pěstované pšenice ozimé Klimatické podmínky a agrotechnika pěstování pšenice (včetně přímé energie) Stroje a budovy využívané při produkci pšenice Pracovníci při pěstování pšenice Marketing produkce Nakládání a plány s obnovitelnými energiemi v zemědělských podnicích Závěr k dokumentaci šetření Metodika energetické analýzy popis konstrukce výpočtového algoritmu Definice pojmů Základní koncept energetické analýzy Metodika energetické analýzy Analýza energetické efektivnosti pěstování pšenice v letech 2008 a s využitím revidované metodiky PLANETE Energetická efektivnost a stínové náklady snížení energetické spotřeby... výroby pšenice ozimé Úprava základního předpokladu pro modelování energetické efektivnosti Odvození ukazatele energetické efektivnosti Metoda odhadu energetického a nákladového optima produkce Data a definice proměnných Empirické výsledky Analýza energetické a nákladové efektivnosti Vztah mezi nákladově a energeticky optimální produkcí... a stínové náklady energeticky optimální produkce Vztah výrobních podmínek a úrovně efektivnosti Vliv podnikových charakteristik a technologických postupů... na energetickou efektivnost Závěr z analýz energetické efektivnosti Optimalizační model pro energetické a ekonomické rozhodování... o produkci plodin pro energetické využití ( AGROENERGY ) Charakteristika modelu Nastavení vstupních parametrů Výsledky vymezených variant Závěr k optimalizačnímu modelu Softwarový nástroj pro interaktivní sběr, zpracování a vyhodnocení... vybraných energetických a ekonomických výsledků na úrovni jednotlivých podniků Výchozí podmínky Funkcionalita Závěr k aplikaci sběrného formuláře Literatura

7 6

8 Souhrn Zemědělství bylo tradičně producentem potravin a energie zároveň. V souvislosti s rostoucími nároky společnosti na spotřebu energií a klesajícími zásobami konvenčních zdrojů se hledají způsoby, jak zajistit jejich náhradu obnovitelnými zdroji. Očekává se, že zemědělská výroba bude v tomto nahrazování sehrávat dominantní roli vzhledem ke svému specifickému postavení; je to odvětví, které nejen spotřebovává energie, ale významnou část také absorbuje ve své produkci a předává k dalšímu využití. Otázka účinného zacházení s energiemi zde nabývá několika významů: jak efektivně vynakládat vstupy do výroby s minimalizací vedlejších efektů, a to při zajištění určité úrovně produkce, jak optimálně využívat omezené zdroje (půdu) konkurující si potravinářskému a energetickému využití, jaké podmínky nastavit producentům, aby tyto zdroje alokovali do produkcí s nejvyšším ekonomickým a energetickým ziskem, apod. Výsledky z řešení projektu QH se snaží přispět k těmto otázkám novým poznáním v oblasti měření, hodnocení a využívání energetické a ekonomické efektivnosti a vytvořením nástrojů pro optimální směřování výrobních kapacit resp. veřejných stimulů. Byly shromážděny svého druhu unikátní nákladově-výnosové (peněžní i naturální) informace od zemědělských podniků zaměřené na výrobu pšenice. Následně vytvořená databáze sloužila pro kalkulaci stavových ukazatelů energetické efektivnosti, jako podklad pro vypracování interaktivní aplikace pro individuální hodnocení efektivnosti podniků a pro výpočty efektivností pomocí hraniční analýzy konkrétně metody Data Envelopment Analysis. Ze získaných údajů bylo možné odpovědět mj. na otázky typu, do jaké míry jsou podniky zainteresované na energetické efektivnosti ve svých podnikových strategiích, je případná zainteresovanost na energetické efektivnosti čistě ekonomickou záležitostí, nebo je možné nalézt i ostatní pohnutky? V rámci řešení projektu nebylo resignovat na neoklasické předpoklady o chování maximalizující užitek; konfrontace pohledu na nákladovou a energetickou složku umožňuje také odkrýt, v jaké relaci je (tržní) ocenění zdrojů ke skutečným obsahům energií. Už z výsledků subjektivního hodnocení podniků vyplývá určitý negativní postoj většiny podniků k tomu, aby prováděly jakýsi energetický audit zahrnující hodnocení energetických bilancí, resp. až v té míře, pokud je to ekonomicky prospěšné, což potvrzují také hodnoty nákladové energetické efektivnosti: z porovnání energetické alokační efektivnosti a nákladové alokační efektivnosti vyplývá, že producenti používají kombinaci vstupů, která je blíže nákladovému než energetickému optimu, což souvisí s jejich ekonomickou orientací. Současně existuje (nikoli nevýznamná) část subjektů, kteří přistupují k investicím do výroby obnovitelné energie i bez okamžitého ekonomické efektu, resp. mají zájem na zavádění šetrnějších technologií. Z výsledků analýzy energetických efektivností vyplývá, že mezi producenty pšenice existují velké rozdíly v energetické spotřebě na jednotku produkce. Energetická efektivnost v průměru dosahuje hodnoty 0,5, což vyjadřuje, že nejlepší producenti v souboru spotřebovávají o 50% méně energie než průměrní producenti. Z analýzy vlivu výrobních podmínek vyplývá, že přibližně 30% rozptylu v energetické výkonnosti 7

9 producentů jde nad rámec jejich kontroly. To znamená, že ve sledovaných farmách by reálně bylo možno uspořit přibližně 35% energetické spotřeby ve vstupech na danou výrobu pšenice. Výsledky ukazují, že změna orientace z nákladové minimalizace na energetickou by stála producenty více než 700 Kč/ha. Také statisticky bylo potvrzeno, že významný dopad na energetickou efektivnost (zvýšení), vykazují technologie hnojení, přípravy půdy a setí, management eroze půdy, či neinvestiční opatření optimalizace dopravy (faktory především určovány řízením podniku). Při stávajících podmínkách by produkce suroviny pro výrobu OZE (dřevní, bioplyn, biopaliva) na ploše 1 mil. ha přinesla zemědělství téměř 9 mld. zisku. Nicméně například produkce biopaliv z plochy 550 tis. ha (rámcově odpovídá zajištění podílu biopaliv v letech ) by při těchto podmínkách znamenala navýšení nákladů spotřebitelům přesahující 20 mld. Kč. Optimální nasměrování výroby energií na zemědělské půdě stále zůstává velkou příležitostí pro agrární politiku, na jejímž podtextu je konkurence o omezené výrobní kapacity - půdu. Konkurují si suroviny pro výrobu tepla, biopalivo, bioplyn a fotovoltaiku, s různým efektem ekonomickým, energetickým, sociálním a do lokálního prostředí. Analogicky k rentabilitě výroby je možné z jednoho hektaru vyrobit 30-ti násobek vložené energie, nebo také 2násobek vložené energie. Je tudíž žádoucí, aby strategii pro výrobu bioenergií předcházelo důkladného poznání ekonomických a technologických projevů, v relaci k trhu a společnosti a to jak u OZE tak konvenčních zdrojů. 8

10 Studie je strukturována následujícím způsobem. Nejdříve jsou představeny v souhrnné podobě výsledky z dotazníkového šetření k pšenici (kap. 1), které bylo provedené ve roce řešení projektu. Uvedené šetření také poskytovalo data pro specifické analýzy, které jsou představeny v kapitole 5. Jedná se analýzu stavu energetických relací (kap. 3) ve vztahu k intenzitě produkce, pro kterou je metodická část zpracována v kapitole 2; dále pak analýzu energetické a nákladové efektivnosti s využitím konceptu tzv. obálkové metody (DEA-Data Envelopment Analysis), kap. 3.1 a návazných modelových specifikací zaměřené na statistické vyhodnocení variability energetické efektivnosti. Optimalizační model AGROENERGY, kap. 4, který byl vytvořen za účelem stanovení optimální výrobní struktury, využívá nákladovo-výnosové vstupy ze sekundárních dat (pocházejí z VÚZT, VÚRV a ÚZEI příp. doplňujících zdrojů). 1. Shrnutí k dokumentaci ze šetření k nákladově energetickým vstupům 1.1 Obecná charakteristika šetřených podniků Sběr dat pro analýzy energetických souvislostí v zemědělských podnicích probíhal ve dvou dotazníkových šetřeních. Probíhala formou asistovaného vyplnění dotazníku u respondenta. První dotazníkové šetření bylo zaměřeno na sběr ekonomických a energetických informací pro účely detailní analýzy energetické a ekonomické efektivnosti a energetické bilanci. Ve druhém kole bylo šetření zaměřeno na chování zemědělských podniků vůči obnovitelným zdrojům energie a jejich využívání. Pro první dotazníkové šetření bylo vybráno celkem 770 zemědělských podniků, která v hospodářských letech 2007/08 a 2008/09 pěstovali pšenici ozimou. Z tohoto počtu bylo 583 podniků právnických osob (PO) a 187 fyzických osob (FO). Z různých důvodů (časová náročnost vyplnění dotazníku, sezónní vytíženost respondentů, neochota poskytnout individuální údaje) byl dotazník vyplněn 135 podniky - míra návratnosti vyplněných dotazníků činila tedy pouze 26,4 %. Pro výběr podniků do výběrového souboru byla využita následující kritéria, která měla zajistit, aby výběrový soubor tvořil relativně homogenní soubor podniků z hlediska podmínek pěstování pšenice ozimé a byl částečně eliminován vliv výrazně odlišných přírodních podmínek na energetické vztahy v zemědělských podnicích (viz průměrná úřední cena zemědělské půdy, Tabulka 1). Jedná se o tato kritéria: a) Minimální velikost podniku zaručující určitý rozsah produkce pšenice ozimé a současně předpoklad potřebné podnikové evidence. b) Minimální stupeň zornění - zaručující určitý rozsah produkce pšenice ozimé. c) Minimální bodová hodnota půdy dle BPEJ (Normativně stanovený Hrubý roční rentní efekt jednotlivých BPEJ, který je převedený na stobodovou stupnici a je stanoven pro jednotlivá katastrální území) zajišťující homogenitu přírodních podmínek pro výrobu pšenice ozimé mezi jednotlivými podniky. 9

11 Na základě analýzy počtu podniků splňujících uvedená kritéria, byla stanovena kritéria pro výběr podniků FO a PO následovně: minimální výměra 300 ha z.p., minimální % zornění ve výši 70 % a minimální průměrná bodová hodnota 50 bodů. Tyto podmínky ovšem nevylučovaly užití půdy v LFA oblastech, u nichž připouštíme výskyt obhospodařované půdy do 30 %, protože tato půda je většinou využívána jako TTP za účelem splnění kritéria pro získání podpory v LFA oblastech, nikoliv tedy pro pěstování plodin na orné půdě nebo marginálně pro pěstování plodin na krmivo. Základní databází pro výběr podniků byl soupis příjemců dotací poskytovaný Státním zemědělským intervenčním fondem (SZIF) a databází půdních bloků (LPIS) za rok V tomto průniku se nacházelo podniků právnických a fyzických osob podnikajících v zemědělství, které jsou současně příjemci dotací. Celkový počet respondentů činil 135 a to ve struktuře 118 podniků právnických osob (PO) a 17 podniků fyzických osob (FO). Většinové zastoupení podniků PO na počtu respondentů v souboru (87 %) ve srovnání se zastoupením podniků na sektorové úrovni je způsobeno tím, že podniky FO vzhledem ke své velikosti nepěstují pšenici v takovém rozsahu, který by zaručoval dostatečnou podnikovou evidenci a také časovou náročnost na vyplnění dotazníku. Vzhledem k rozsahu dotazníku nebyl vyplněn ve všech bodech zcela každým respondentem, proto počty respondentů nejsou mezi proměnnými vyvážené. Průměrná úřední cena zemědělské půdy obhospodařovaná respondenty charakterizující kvalitu půdy v roce 2008 činí 8,90 Kč/m 2 a je vzhledem ke kritériím výběru nad průměrem ČR o 3.35 Kč/m 2 (průměrná ÚCP v ČR pro rok 2008 dosahuje 5,55 Kč/m 2 při rozpětí 0,5 13,5 Kč/m 2 ). Průměrné rozpětí mezi maximální a minimální ÚCP obhospodařovanou jednotlivými podniky činí ve výběrovém souboru 7,19 Kč/m 2. Přičemž největší heterogenita přírodních podmínek je v případě podniků s.r.o. a nejnižší u podniků FO. Napříč jednotlivými kategoriemi podniků ovšem nejsou významné rozdíly v průměrné kvalitě obhospodařované půdy. Tabulka 1. Zastoupení respondentů v šetření podle právních forem Počet Podíl na počtu (%) 10 Podíl na půdě (%) Prům. UCP (Kč/m 2 ) Prům. rozpětí ÚCP (Kč/m 2 ) Směr. odchylka ÚCP FO % 8 % 8,98 5,46 1,85 PO % 92 % 8,89 7,19 1,73 - akciová společnost % 38 % 8,90 5,82 1,58 - spol. s r.o % 30 % 8,73 7,14 1,73 - družstvo % 24 % 9,26 6,58 1,86 Celkem % 100 % 8,90 7,19 1,74 Zdroj: Vlastní výběrové šetření 2009 Průměrný podnik v souboru obhospodařoval ha zemědělské půdy, z čehož připadalo ha na ornou půdu (95% zornění). Meziročně (2008/2009) došlo pouze k mírné změně v obhospodařované výměře na ha (navýšení o 1 %). FO obhospodařují vzhledem k nastaveným kritériím v průměru vyšší výměry ve srovnání

12 s celorepublikovým průměrem. Vysoký podíl zornění odpovídá zastoupení podniků v příznivých klimatických podmínkách (viz grafické znázornění v mapě). Graf 1: Obhospodařovaná zemědělská půda respondenty v katastrálních územích jednotlivých výrobních oblastí Zdroj: Vlastní výběrové šetření 2009 Průměrná nadmořská výška obhospodařovaných pozemků činila v souboru 265 m. n. m. Z pohledu zařazení obhospodařované půdy respondenty do jednotlivých výrobních oblastí jsou jejich podíly následující - 15,8 % kukuřičná, 77,3 % řepařská, 5,5 % bramborářská, 1,3 % bramborářsko-ovesná a 0,1 % horská. Tomu odpovídá i zastoupení obhospodařované půdy v jednotlivých typech LFA, kde naprostá většina 97,8 % půdy je v režimu mimo LFA. Podíl půdy v jednotlivých skupinách LFA je následující: LFA specifické 1,3 %, LFA ostatní 0,5 % a LFA horská 0,3 %. Vzhledem k většímu zastoupení větších podniků (rozlohou) vykazují podniky FO i vyšší podíl najaté půdy (70 %). V hospodářském roce 2007/2008 zaujímá pšenice ozimá z celkové rozlohy orné půdy v průměru 38 % (resp. 39 % v 2008/09). Vzhledem k rozloze obhospodařované půdy dosahovaly podniky FO průměrné tržby z RV 17,2 mil. Kč na podnik ( Kč/ha) a podniky PO 28,9 mil. Kč ( Kč/ha). Rozdíl u tržeb z chovu zvířat je výraznější: Kč/ha u FO a Kč/ha u PO. Meziročně došlo u sledovaných podniků k poklesu tržeb z RV o 17 % a z ŽV o 15 %. Přehled o struktuře užití půdy jakož i nájemném podává následující tabulka. 11

13 Tabulka 2. Struktura obhospodařované půdy respondenty dotazníkového šetření v roce 2009 Jedn. Orná půda - z toho vlastní - z toho pšenice ozimá TTP - z toho vlastní Podíl TTP Podíl vlastní půdy Podniky FO ha/podnik % 30% Podniky PO ha/podnik % 6% Nájemné FO Kč/ha Nájemné PO Kč/ha Zdroj: Vlastní výběrové šetření 2009 Z hlediska vlastnictví podniků patřily ve výběrovém souboru akciové společnosti mezi podniky s největším počtem vlastníků (v průměru 195), družstva a společnosti s ručením omezeným, které jsou vlastněny v průměru 15 resp. 165 vlastníky. Ačkoli je analýza ekonomické efektivnosti samostatně řešena, byly podniky v úvodu šetření dotázány na celkové a režijní náklady pšenice ozimé (pokud tyto kalkulace provádějí). Výsledky znázorňuje následující tabulka. V celkovém průměru jsou kalkulované hektarové náklady na úrovni Kč, přičemž u FO jsou nižší o téměř 4 tis. Kč/ha. Odhadované režijní náklady tvoří u podniků fyzických osob 12 %, u skupiny podniků PO 27 %. Pro zjištění případných odchylek jsou uvedeny také údaje z pravidelného celoplošného šetření nákladů prováděného v ÚZEI. Tabulka 3. Průměrné náklady na pěstování pšenice ozimé (Kč/ha) Subjekt Náklady bez režijních nákladů Režijní náklady Celkové náklady 2007/ / / / / /09 Výběrové šetření ÚZEI 2009 FO PO Celkem Nákladové šetření ÚZEI 2008 a 2009 *) Náklady ve VO kukuřičné a řepařské Zdroj: *) Poláčková, J., Boudný, H., Janotová, B. (2008). Náklady vybraných zemědělských výrobků za rok 2008, 2009; Vlastní výběrové šetření Základní charakteristiky o produkci pěstované pšenice ozimé Za hospodářský rok 2007/2008 poskytlo údaje o produkci pšenice ozimé celkem 127 podniků. Celková výměra pšenice ozimé pěstované těmito podniky činila ha a vykázaná produkce činila t, čemuž odpovídá průměrný výnos 6,36 t/ha. Aritmetický průměr výnosů dosažených v jednotlivých podnicích přitom činil 6,15 t/ha. 12

14 Celková plocha pšenice ozimé v ČR v roce 2008 činila ha při celkové produkci t a průměrném výnosu pšenice 5,77 t/ha. Dotazníkové šetření tak zachytilo 5,75 % z celkové výměry a 6,22 % z celkové produkce pšenice ozimé, dosažený výnos ve sledovaných podnicích převýšil průměrný výnos pšenice ozimé v ČR o 10,2 %. U jednotlivých právních forem byly nejvyšší výnosy dosaženy v akciových společnostech, dále v družstvech, podnicích fyzických osob a společnostech s r.o. Tabulka 4. Základní parametry pěstování pšenice ozimé v podnicích dle právní formy podniku v hosp. roce 2007/ počet plocha ha produkce t výnos t/ha průměr výnosů Akciová společnost ,94 6,82 Spol. s r.o ,82 5,65 Družstvo ,37 6,44 Fyzická osoba ,54 5,72 Celkem ,36 6,15 Zdroj: Vlastní výběrové šetření 2009 Za hospodářský rok 2008/2009 poskytlo údaje o produkci pšenice ozimé celkem 124 podniků. Celková výměra pšenice ozimé pěstované těmito podniky činila ha a vykázaná produkce činila t, čemuž odpovídá průměrný výnos 5,96 t/ha. Aritmetický průměr výnosů dosažených v jednotlivých podnicích přitom činil 5,75 t/ha. Celková plocha pšenice ozimé v ČR činila ha v roce 2008 při celkové produkci t a průměrném výnosu pšenice 5,33 t/ha. Dotazníkové šetření tak zachytilo 5,63 % z celkové výměry a 6,29 % z celkové produkce pšenice ozimé, dosažený výnos ve sledovaných podnicích převýšil průměrný výnos pšenice ozimé v ČR o 11,8 %. Pořadí jednotlivých právních forem ve výši průměrného výnosu se v tomto hospodářském roce nezměnilo. Tabulka 5. Základní parametry pěstování pšenice ozimé v podnicích dle právní formy podniku v hosp. roce 2008/ počet plocha ha produkce t výnos t/ha 13 průměr výnosů Akciová společnost ,30 6,22 Spol. s r.o ,52 5,17 Družstvo ,15 6,24 Fyzická osoba ,52 5,53 Celkem ,96 5,75 Zdroj: Vlastní výběrové šetření 2009

15 1.3 Klimatické podmínky a agrotechnika pěstování pšenice (včetně přímé energie) Respondenti subjektivně hodnotili vláhové a teplotní podmínky v pěti jednotlivých fázích pěstování pšenice ozimé (setí, odnožování a sloupkování, nalévání obilek, zrání a sklizeň 1 ), a to třístupňovou škálou: 3 = nadměrná vláha, resp. příliš vysoké teploty; 2 = optimální vláha, resp. teploty a 1 = nedostačující vláha, resp. příliš nízké teploty. Dále ve stejných fázích pěstování pšenice ozimé hodnotili celkové klimatické podmínky ovlivňující výnosy a kvalitu pšenice ozimé v tomto případě čtyřstupňovou škálou 1 = špatné, 2 = spíše špatné, 3 = spíše lepší a 4 = výborné. Hospodářský rok 2007/2008 Teplotní podmínky v roce 2007/2008 hodnotili respondenti následujícím způsobem: 66% odpovědí respondentů označilo teplotní poměry jako optimální, 30 % hodnotilo teploty jako příliš nízké a 4 % jako příliš vysoké. Tabulka 6. Hodnocení teplotních poměrů pěstování pšenice (počty příslušných odpovědí jednotlivých respondentů) 2008 fáze pěstování pšenice Teplota setí odnož. nalévání zrání celkem % Příliš vysoká ,3 Optimální ,9 Příliš nízké ,8 Celkem Zdroj: Vlastní výběrové šetření 2009 Obdobně vláhové poměry hodnotilo 60 % odpovědí respondentů jako optimální, 31 % jako vláhově nadměrné a 9 % jako vláhově nedostačující Tabulka 7. Hodnocení vláhových poměrů pěstování pšenice ozimé (počty příslušných odpovědí jednotlivých respondentů) 2008 fáze pěstování pšenice Vláha setí odnož. nalévání zrání sklizeň celkem % Nadprůměrná ,9 Optimální ,0 Nedostačující ,0 Celkem ,0 Zdroj: Vlastní výběrové šetření 2009 S tím koresponduje i celkové hodnocení povětrnostních podmínek v roce 2007/2008 ve vztahu k pěstování pšenice ozimé, které 65 % respondentů hodnotilo pozitivně (z toho 9 % jako výborné a 56 % jako spíše lepší) a 35 % negativně (v tom pouze 6 % jako špatné a 29 % jako spíše špatné). Rozdíly v hodnocení povětrnostních poměrů v jednotlivých časových fázích pěstování pšenice ozimé nebyly zásadní. 1 Pouze vláha. 14

16 Tabulka 8. Celkové hodnocení povětrnostních podmínek v roce 2007/2008 ve vztahu k pěstování pšenice ozimé (počty příslušných odpovědí jednotlivých respondentů) 2008 fáze pěstování pšenice povětrnostní podmínky setí odnož. nalévání zrání sklizeň celkem % špatné ,0 spíše špatné ,5 spíše lepší ,7 výborné ,7 Celkem ,0 Zdroj: Vlastní výběrové šetření 2009 Hospodářský rok 2008/2009 Teplotní podmínky v roce 2008/2009 v jednotlivých fázích pěstování pšenice hodnotili respondenti následujícím způsobem: v 60% případů označili respondenti teplotní poměry jako optimální, ve 34 % hodnotili teploty jako příliš nízké a v 6 % případů jako příliš vysoké. Tabulka 9. Hodnocení teplotních poměrů pěstování pšenice ozimé (počty příslušných odpovědí jednotlivých respondentů) 2009 fáze pěstování pšenice Teplota setí odnož. nalévání zrání celkem % Příliš vysoká ,1 Optimální ,4 Příliš nízké ,4 Celkem Zdroj: Vlastní výběrové šetření 2009 Obdobně vláhové poměry hodnotili respondenti v 51 % případů jako optimální, ve 35 % případů jako vláhově nadměrné a ve 14 % případů jako vláhově nedostačující. Tabulka 10. Hodnocení vláhových poměrů pěstování pšenice ozimé (počty příslušných odpovědí jednotlivých respondentů) 2009 fáze pěstování pšenice Vláha setí odnož. nalévání zrání sklizeň celkem % Nadprůměrná ,5 Optimální ,2 Nedostačující ,3 Celkem ,0 Zdroj: Vlastní výběrové šetření

17 S tím koresponduje i celkové hodnocení povětrnostních podmínek v roce 2008/2009 ve vztahu k pěstování pšenice ozimé, které byly v 57 % případů hodnoceny pozitivně (v tom v 7 % jako výborné a v 50 % jako spíše lepší) a v 43 % případů negativně (v tom ve 12 % případů jako špatné a 31 % jako spíše špatné). Rozdíly v hodnocení povětrnostních poměrů v jednotlivých časových fázích pěstování pšenice ozimé nebyly s výjimkou fáze odnožování zásadní. Ve fázi odnožování označilo podmínky jako vláhově nadměrné 55 % respondentů, 46 % respondentů hodnotilo teploty jako příliš nízké a celkově povětrnostně z hlediska pěstování pšenice ozimé hodnotilo podmínky negativně 62 % respondentů, v tom jako špatné 18 %, resp. spíše špatné 43 % respondentů. Tabulka 11. Celkové hodnocení povětrnostních podmínek v roce 2008/2009 ve vztahu k pěstování pšenice ozimé (počty příslušných odpovědí jednotlivých respondentů) 2009 fáze pěstování pšenice povětrnostní podmínky setí odnož. nalévání zrání sklizeň celkem % špatné ,9 spíše špatné ,0 spíše lepší ,4 výborné ,7 Celkem Zdroj: Vlastní výběrové šetření 2009 Příznivější hodnocení vláhových a teplotních poměrů v hospodářském roce 2007/2008 proti roku 2008/2009, kdy podíl respondentů hodnotil stupněm vyrobené či spíše lepší je o 8,4 p.b. nižší v pozdějším roce, koresponduje s dosaženými výnosy pšenice ozimé, které se snížily z 6,36 t/ha o 0,4 t/ha (tedy o 6,3 %). S uvedeným poklesem výnosu také souvisí i hodnocení poškození porostu v důsledku nepřízně počasí či jiných nahodilých události. Takové poškození indikovalo 38 % respondentů v roce 2007/2008 a v následujícím roce se zvýšil tento podíl na 47 % a průměrný stupeň poškození se zvýšil z hodnoty 7,5 % na 10,2 %. Spotřeba osiva pro setí pšenice ozimé v letech 2007 a 2008 V dotazníkovém šetření byla zjišťována spotřeba vlastního a nakoupeného osiva pšenice ozimé, naproti tomu ale nebyla dotazována osevní plocha pšenice ozimé. Proto byla spotřeba osiva přepočítávána na sklizňovou plochu pšenice ozimé. Pro vyhodnocení byly vyloučeny údaje za podniky, které vykázaly spotřebu osiva nižší než 100 kg/ha (zřejmě z důvodu neuvedení spotřeby vlastního osiva) nebo naopak vyšší než 500 kg/ha (zřejmě z důvodu neuvedení všech pozemků s pšenicí ozimou). 16

18 Tabulka 12. Spotřeba osiva na 1 ha pro setí pšenice ozimé v roce 2008 pro sklizeň v roce 2008 počet podniků Spotřeba osiva na 1 ha (kg) z toho vlastní (kg/ha) z toho nakoupená (kg/ha) Akciová společnost ,5 70,9 171,6 Spol. s r.o ,7 55,5 182,2 Družstvo ,0 71,2 159,7 Fyzická osoba ,3 59,6 166,7 Celkem ,4 64,1 172,3 Zdroj: Vlastní výběrové šetření 2009 Tabulka 13. Spotřeba osiva pro setí pšenice ozimé v roce 2008 pro sklizeň v roce 2009 počet podniků Spotřeba osiva na 1 ha (kg) 17 z toho vlastní (kg/ha) Akciová společnost ,9 52,8 174,0 Spol. s r.o ,9 48,7 192,2 Družstvo ,6 84,1 149,5 Fyzická osoba ,2 94,6 134,6 Celkem ,1 64,0 170,0 Zdroj: Vlastní výběrové šetření 2009 z toho nakoupená (kg/ha) Osivo z vlastních zdrojů pokrývá 27 % celkové potřeby osiv. Spotřeba osiva na hektar nevykazuje významné rozdíly dle právních forem zemědělských podniků ani rozdíl v obou sledovaných letech. Současně ani průměrná hodnota podílu vlastního osiva ve sledovaných letech se u podniků různých právních forem výrazně neliší. Největší podíl vlastního osiva vykázaly podniky fyzických osob v roce 2008 (setí pro sklizeň roku 2009). Minerální hnojiva aplikovaná k pšenici ozimé Půdní rozbory (kontrola úrodnosti půd) se provádějí za účelem analýzy schopnosti půdy poskytovat pěstovaným plodinám vhodné prostředí, dostatek živin a vody nutných k optimálnímu růstu a vývinu rostlin. Jsou podkladem pro optimalizaci agrotechnických zásahů a zajišťování nezávadnosti půdy. Tabulka 14. Četnost provádění půdních rozborů Subjekt Každoročně 1x za 2 až 3 roky Méně než 1x za 3 % % (počet) (počet) roky (počet) % FO 1 5,9 4 23, ,6 PO 10 8, , ,4 - a.s. 1 2,8 5 13, ,3 - s.r.o. 7 14,0 5 10, ,0 - družstvo 2 6,5 9 29, ,5 Celkem 11 8, , ,8 Zdroj: Vlastní výběrové šetření 2009

19 Z celkového počtu 135 respondentů odpověděly na otázku, jak často prováděj rozbory půdy, všechny šetřené podniky. Tři čtvrtiny respondentů provádějí půdní rozbory méně než jedenkrát za 3 roky, zastoupení je obdobné u právnických i fyzických osob. Pokud porovnáme právní formy podniků právnických osob, akciové společnosti provádějí rozbory půdy v drtivé většině méně než jedenkrát za 3 roky, společnosti s ručením omezeným vykázaly relativně vyšší četnost každoročně prováděných půdních rozborů (14 %) a necelých 30 % družstev provádí půdní rozbory jedenkrát za 2 až 3 roky. Z hlediska spotřeby minerálních hnojiv aplikovaných k pšenici ozimé bylo cílem zjistit použité množství základních výživných látek v kg čistých živin dusíku, fosforu, draslíku a vápníku. Tabulka 15. Aplikace minerálních hnojiv k pšenici ozimé (kg/ha) Ukazatel Dusík Fosfor Draslík Vápník 07/08 08/09 07/08 08/09 07/08 08/09 07/08 08/09 Počet validních Počet nenulových Průměr (nenul.) 152,0 146,7 40,1 31,2 55,7 32,0 29,5 21,0 - FO 157,7 167,7 41,8 30,6 68,2 50,2 24,0 65,8 - PO 151,2 144,3 39,8 31,3 54,6 30,8 29,7 17,0 - - a.s. 163,0 147,4 37,8 33,3 76,6 29,3 23,7 17,4 - - s.r.o. 144,7 145,6 40,5 30,2 57,2 33,1 9,5 12,3 - - družstvo 151,0 140,6 41,0 30,1 35,2 29,4 73,2 24,3 Poznámka: Přepočet na energii obsaženou v aplikovaných minerálních hnojivech je možný vynásobením údajů uvedených v tabulce a konverzních energetických koeficientů: 1 kg N = 82,5 MJ, 1 kg P 2 O 5 = 17,7 MJ, 1 kg K 2 O = 9,6 MJ, 1 kg Ca = 2,8 MJ. Zdroj: Vlastní výběrové šetření 2009 Ozimá pšenice je řazena mezi plodiny se střední potřebou živin. Dusík podporuje především růst výhonů a tvorbu zelené listové hmoty. Při nedostatku dusíku dochází mj. ke snížení hmotnosti zrna a zhoršení jeho technologických parametrů. Nečastěji aplikovanými dusíkatými hnojivy u respondentů byly: - z tuhých dusíkatých hnojiv - LAV (27 % N), LAD (27 % N), síran amonný (21 % N), dusičnan amonný (34 % N) a močovina (46 % N), - z kapalných dusíkatých hnojiv DAM 390 (30 % N), síran amonný s močovinou (19 % N, 6 % S). Průměrná aplikace dusíku na hektar pšenice byla (u podniků, které uvedli aplikaci N) 152,0 kg N/ha pšenice v hospodářském roce 2007/08, což při průměrném výnosu zrna 6,15 t/ha znamená předpokládané odčerpání 24,7 kg N. V hospodářském roce 2008/09 byla při průměrném výnosu pšenice 5,75 t/ha potřeba dusíku 25,5 kg/tunu. Obě tyto hodnoty odpovídají doporučovaným normám. Meziroční pokles aplikace dusíku k pšenici ozimé je v souladu s vývojem spotřeby dusíkatých hnojiv v ČR. Při započítání nulových hodnot bylo spotřebované množství dusíku mírně nižší. Z hlediska právní formy 18

20 aplikovaly v obou sledovaných hospodářských letech podniky fyzických osob nadprůměrné množství dusíku na hektar (157,7 kg N/ha, resp. 167,7 kg N/ha), naopak podprůměrné hodnoty vykázaly podniky právnických osob (151,2 kg N/ha, resp. 144,3 kg N/ha). Při přepočtu na tunu pšenice a s ohledem k nižšímu dosaženému výnosu u podniků fyzických osob v porovnání s průměrem právnických osob je množství aplikace N na jednotku dosahovaného hektarového výnosu vyšší u podniků fyzických osob (v roce 2007/08 u FO 27,6 kg N/t, u PO 24,3 kg N/t, v roce 2008/08 u FO 30,8 kg N/t, u PO 24,9 kg N/t). Na podprůměrné aplikaci dusíku v souboru PO se podílely v roce zejména společnosti s ručením omezeným, dávka dusíku však odpovídala nižším dosahovaným výnosům pšenice proti ostatním právním formám PO. Dalším důležitým prvkem ve výživě rostlin je fosfor. Jeho nedostatek se u obilovin projevuje zpožděným generativním vývojem a méně intenzivním odnožováním, což se projeví v nižším podílu zrna na celkovém výnosu, nižší odolnosti rostlin vůči nízkým teplotám a nižší kvalitě zrna. Nejčastěji aplikovaným fosforečným hnojivem k pšenici ozimé byl Amofos (12 % N, 52 % P 2 O 5 ), superfosfát a směsné NPK o různých koncentracích živin. Na rozdíl od hnojení dusíkatými hnojivy, které bylo zaznamenáno u drtivé většiny respondentů, hnojilo fosforečnými hnojivy k pšenici 50 % (2007/08), resp. 45 % (2008/09) respondentů. Průměrná dávka se pohybovala na úrovni přibližně 40 kg/ha v prvním roce šetření, v následujícím roce klesla na přibližně 30 kg/ha. Při započítání nulových hodnot byly dávky 20,3 kg N/ha (2007/08) a 14,1 kg N/ha (2008/09). Pokles aplikace fosforečných hnojiv je v souladu s vývojem spotřeby hnojiv v ČR. Průměrná dávka P na tunu výnosu pšenice byla 6,3 kg/t v roce 2007/08, v následujícím hospodářském roce 5,1 kg/t, což odpovídá normativu potřeby fosforu 2. Z hlediska právních forem nejsou patrné výrazné rozdíly v aplikaci fosforečných hnojiv na hektar, podniky fyzických osob aplikovaly obecně více fosforu na jednotku výnosu pšenice (7,1 kg/t, resp. 5,2 kg/t), než právnické osoby (6,2 kg/t, resp. 5,1 kg/t). Aplikace draslíku zlepšuje příjem vody kořeny, příznivě ovlivňuje velikost efektivní listové plochy a průběh fotosyntetických procesů, zabraňuje poléhání rostlin a zvyšuje jejich odolnost vůči houbovým chorobám během vegetace a při uskladnění. Při stanovení dávky draselného hnojiva se postupuje obdobně jako u hnojení fosforečnými hnojivy. Z celkového počtu validních respondentů aplikovala draselná hnojiva více než čtvrtina podniků. Nejčastěji aplikovaným draselným hnojivem byla 60% draselná sůl (KCl). Průměrná dávka byla 55,7 kg/ha v roce 2007/08, 32,0 kg/ha v roce 2008/09, což představuje 8,5 kg K/t, resp. 5,1 kg K/t pšenice. Jedná se o podprůměrné hodnoty (normativ udává cca 20 kg K/t pšenice). Při započtení nulových hodnot byly dávky draslíku 15,9 kg/ha (2007/08) a 8,1 (2008/09). Meziroční pokles dávky hnojiv odpovídal vývoji spotřeby hnojiv v ČR. V přepočtu na jednotku výnosu pšenice byla i v případě draselných hnojiv zaznamenána vyšší intenzita hnojení u podniků fyzických osob. Vápnění ovlivňuje téměř všechny procesy v půdě (chemické, fyzikálně-chemické i biologické), jelikož upravuje ph půdy. Nedostatek vápníku způsobuje u pšenice omezení tvorby kořenového systému i nadzemní biomasy. Přibližně pětina respondentů, kteří ve sledovaných letech aplikovali Ca, použili nejčastěji LAV (ledek amonný 2 Ačkoliv respondenti měli uvést obsah P2 O 5 v hnojivu, uváděli výrobcem uváděné % množství P. 19

21 s vápencem) a dolomitický vápenec, kterým se upravuje i množství hořčíku v půdě. V jednom případě byla aplikována cukrovarnická šáma. Průměrně bylo aplikováno 29,5 kg Ca/ha (2007/08), resp. 21,0 kg Ca/ha (2008/09), přičemž mezi kategoriemi podniků jsou patrné výraznější rozdíly dané různou potřebou úpravy půdní reakce (ph) v jednotlivých lokalitách a v čase. Při započítání nulových hodnot byla průměrná spotřeba 6,1 kg Ca/ha pšenice (2007/08) a 3,9 kg Ca/ha pšenice (2008/09). Spotřeba organických hnojiv na produkci pšenice ozimé Organická statková hnojiva se k pšenici prakticky vůbec neaplikují, čemuž odpovídají i odpovědi respondentů. Zpravidla se aplikují k vhodné organicky hnojené předplodině osevního postupu. Ze 130 validních respondentů aplikovalo kejdu jen 14, resp. 17 podniků, pouze právnických osob. Průměrně bylo aplikováno 5,91, resp. 6,72 t kejdy na ha (při započítání nulových hodnot 0,64 resp. 0,88 t/ha). Převážně byla využívána kejda vlastní. Chlévská mrva byla aplikována ve 20, resp. 26 případech. Průměrně bylo aplikováno přibližně 9 t chlévské mrvy na ha, opět převážně z vlastní produkce. Průměrné náklady na spotřebovaná nakoupená organická hnojiva u podniků, které je aplikovaly, se pohybovaly v průměru obou let na úrovni přibližně Kč. Náklady na vlastní organická hnojiva se pohybovaly nad 700 Kč/ha pšenice s meziročně klesající tendencí. Ze sortimentu ostatních organických hnojiv byl v jednom případě aplikován vlastní kompost, v jednom případě drůbeží podestýlka, ve třech případech močůvka, ve dvou případech přírodní ekologické hnojivo Zeraganic a v jednom případě přírodní ekologické hnojivo Bioganic pro předplodinu pšenice ozimé. Kaly ani odpady z bioplynové stanice aplikovány nebyly. Tabulka 16. Aplikace organických hnojiv k pšenici ozimé Ukazatel Kejda (t/ha) Chlévská mrva (t/ha) Náklady na nakupovaná org. hnojiva (Kč/ha) Náklady na vlastní org. hnojiva (Kč/ha) 07/08 08/09 07/08 08/09 07/08 08/09 07/08 08/09 Počet validních Počet nenulových Průměr (nenul.) 5,91 6,72 9,01 9, Poznámka: Přepočet na energii obsaženou v aplikovaných organických hnojivech je možný vynásobením údajů uvedených v tabulce a konverzních energetických koeficientů: 1 t kejdy = 246 MJ, 1 t chlévské mrvy = 463 MJ. Vzhledem k malému počtu respondentů, kteří v posledních 2 letech aplikovali organická hnojiva, je rozdělení na jednotlivé právní formy právnických osob nerelevantní. Zdroj: Vlastní výběrové šetření 2009 Technologie hnojení Nedílnou součástí analýzy technologie pěstování pšenice ozimé je popis technologie hnojení. Přibližně polovina validních respondentů (50,7 %) provedla základní předseťové 20

22 hnojení. Doporučuje se, že při předseťovém hnojení se aplikuje zejména fosfor a draslík. Těžiště dusíkaté výživy je soustředěno hlavně do období po přezimování, tj. dávek regeneračních a produkčních, protože během podzimu přijímají rostliny ozimé pšenice jen málo živin a přes zimu se příjem živin zastavuje. Regenerační hnojení se provádí brzy na jaře po přezimování a je klíčové pro nastartování vývoje rostlin, zahuštění porostu a vytvoření optimálních výživných podmínek. Regenerační hnojení provedlo 88,1 % respondentů s obdobnými výsledky v souborech právnických a fyzických osob. Produkční hnojení se provádí po odnožení na počátku sloupkování obilovin. Je důležité pro zajištění následného dobrého vývoje porostu včetně velikosti klasu a lze jím efektivně ovlivnit tvorbu výnosu. Produkční hnojení porostu pšenice ozimé provedlo 95,5 % respondentů s nižším podílem provedeného produkčního hnojení u podniků fyzických osob. Při vyšších aplikovaných dávkách dusíku se dávka rozděluje na dvě části. Druhé produkční hnojení provedlo 5,5 % respondentů. Dalším typem hnojení porostu pšenice ozimé je kvalitativní hnojení dusíkem (též nazýváno pozdní přihnojení), které je významné především pro zvýšení technologické kvality pšenice, oceňované především při jejím potravinářském využití. Aplikuje se před metáním nebo v době metání. Kvalitativní hnojení provedlo 44,2 % respondentů. Pro maximální využití účinku hnojiv při respektování požadavku minimalizace nákladů je důležitá technologie aplikace hnojiv. Při současných požadavcích na ochranu půdy je vhodné používat flotační pneumatiky, jejichž dezén snižuje tlak na půdu díky nižšímu huštění. Flotační pneumatiky použilo pouze 16,7 % respondentů. K nižšímu zatížení půdy pojezdem a redukci nákladů mohou sloužit také další opatření, jako aplikace ve dvojnásobném pracovním záběru, mixování hnojiv při aplikaci a kombinace aplikace kapalných minerálních hnojiv s prostředky ochrany rostlin při regeneračním nebo produkčním hnojení. Zdvojnásobený pracovní záběr použilo 21,2 % respondentů a mixování hnojiv při aplikaci 18,9 % respondentů. Nejčastěji uváděnou technologií je kombinace kapalných minerálních hnojiv s prostředky ochrany rostlin, kterou provedlo 65,9 % respondentů. U respondentů, kteří odpověděli kladně na otázku, zda v posledních 2 letech provedli hnojení kejdou k pšenici ozimé (kladně odpovědělo 17,4 % dotázaných), byla podrobněji zjišťována technologie aplikace kejdy. Hnojení kejdou k pšenici ozimé provedli v posledních dvou letech téměř výhradně podniky právnických osob. 3 Respondenti označili i více používaných technologií současně. Nejčastěji používanou technologií aplikace kejdy je řádková povrchová aplikace vlečenými hadicemi v zapojeném porostu, kterou označilo 56,5 % validních respondentů. Následoval povrchový rozstřik kejdy naširoko (39,1 % validních respondentů). V obou případech je nutné její rychlé zapravení do půdy. Naopak velmi zřídka využívanou technologií je podpovrchová aplikace řádková aplikačními botkami, kterou označilo pouze 13,0 % validních respondentů. 3 Vzhledem k velmi malému počtu respondentů, kteří v posledních 2 letech aplikovali kejdu, je rozdělení na jednotlivé právní formy právnických osob nerelevantní. 21

23 Prostředky ochrany rostlin a regulátory růstu Výskyt chorob a škůdců lze ovlivnit nejen výběrem odrůdy a vhodnými technologickými postupy pěstování, ale zejména chemicky - aplikací prostředků ochrany rostlin. V rámci analýzy spotřeby prostředků ochrany rostlin byly sledovány jednotlivé druhy pesticidů (herbicidy, insekticidy, fungicidy) a regulátory růstu, použité množství přípravku (Tabulka 17), množství aktivní látky (Tabulka 18) a náklady na přípravek (Tabulka 19). Z celkového počtu 135 respondentů vyplnilo část týkající se aplikace prostředků ochrany rostlin a regulátorů růstu 129 podniků. Nejčastěji aplikovaným druhem pesticidu byly herbicidy, které použilo v prvním sledovaném roce 94,6 %, v druhém roce 92,2 % respondentů. Aplikované množství přípravku se meziročně snížilo jen velmi málo a průměrně se pohybovalo na úrovni přibližně g/ha. Množství aktivní látky uvedlo v dotazníku jen 75 respondentů. Průměrně bylo aplikováno 426 g (2007/08), resp. 475 g (2008/09) aktivní látky na ha. Při započtení nulových hodnot činil průměr 248 g, resp. 276 g/ha. Meziročně tak sice došlo ke stagnaci či mírnému snížení aplikovaného množství herbicidů, ale množství aktivní látky bylo vyšší. Z hlediska právních forem respondentů vykázaly nižší aplikované množství herbicidů podniky fyzických osob. Náklady na použité herbicidní přípravky se pohybovaly na úrovni 958 Kč/ha (2007/08), resp. 878 Kč/ha (2008/09) u podniků, které náklady v dotazníku uvedly (106 respondentů). Přípravky určené k hubení hmyzu, insekticidy, aplikovalo 51,2 % podniků v roce 2007/08 a 58,9 % podniků v roce 2008/09. Podniky, které insekticidy aplikovaly, použily průměrně 230, resp. 202 g přípravku na ha, při započtení nulových hodnot činil průměr 118, resp. 119 g/ha. Nižší množství přípravku na ha aplikovaly podniky fyzických osob. Množství aktivní látky vyplnily dvě třetiny respondentů, kteří insekticidy aplikovaly. Z vyhodnocení tohoto souboru vyplývá, že množství aktivní látky insekticidů aplikovaných na porost pšenice ozimé bylo 61, resp. 47 g/ha, v případě započtení nulových hodnot 21, resp. 18 g/ha. Náklady převyšovaly 160 Kč/ha, při započtení nulových hodnot 75, resp. 84 Kč/ha. Druhým nejčastěji aplikovaným druhem pesticidu byly fungicidy. Jeho použití uvedlo necelých 80 % respondentů v průměrné dávce g/ha v roce 2007/08, resp g/ha v roce 2008/09. Při započtení nenulových hodnot činil průměr 955, resp. 896 g/ha. Množství aktivní látky uvedlo 60 respondentů, kteří uvedli průměrnou dávku 344 g/ha, resp. 317 g/ha v následujícím hospodářském roce. Meziročně tedy došlo k poklesu množství aplikovaných fungicidních přípravků a množství aktivní látky. Vyšší spotřebu fungicidů vykázaly podniky fyzických osob. Průměrné náklady spotřeby fungicidů v obou sledovaných letech převyšovaly Kč u podniků, které náklady vykázaly. Nejčastěji uváděnými regulátory růstu byly Stabilan, Cycocel, Retacel, Celstar a Moddus. Regulátory růstu použilo 67,4 % respondentů v roce 2007/08 a 64,3 % respondentů v roce 2008/09. Podniky, které aplikovaly regulátory růstu, vykázaly průměrnou spotřebu g/ha v prvním sledovaném hospodářském roce a mírně vyšší dávku přípravku v následujícím hospodářském roce (1 573 g/ha). Průměr se zahrnutím nulových hodnot činil 949, resp. 934 g/ha. Přibližně 55 % respondentů, kteří použili regulátory růstu vyplnilo také množství aktivní látky. Průměrně bylo aplikováno 884 g/ha 22

24 (2007/08), resp g/ha (2008/09), při zahrnutí nulových hodnot 329 g/ha, resp. 358 g/ha. Vyšší spotřebu přípravku i aktivní látky na hektar pšenice vykázaly podniky fyzických osob. Průměrné náklady kalkulované ze souboru podniků, které uvedly v dotazníku náklady na přípravky, činily 269 Kč/ha v roce 2007/08, resp. 312 Kč/ha v roce 2008/09. Meziročně tedy došlo ke zvýšení množství aktivní látky regulátorů růstu a k růstu nákladů na hektar. Z hlediska průměrných nákladů na prostředky ochrany rostlin a regulátory růstu byly náklady na jejich spotřebu Kč/ha v roce 2007/08 a Kč/ha v roce 2008/09. Mezi náklady PO a FO nebyly významné rozdíly. V rámci PO vykázaly vyšší náklady akciové společnosti a družstva. Průměry ze souboru se zahrnutím nulových hodnot byly Kč/ha (2007/08), resp Kč/ha (2008/09). Meziroční pokles průměrných nákladů na prostředky ochrany rostlin a regulátory růstu je v souladu s výsledky sledování nákladů na pšenici ozimou v ČR, z hlediska úrovně nákladů však byly v souboru dosaženy náklady zhruba o víc než 700 Kč/ha nižší, než je průměr souboru hodnoceného v rámci výběrového šetření nákladů a výnosů zemědělských komodit (ÚZEI, pracoviště Brno) 4. Tabulka 17. Aplikace prostředků ochrany rostlin a regulátorů růstu množství přípravku (g/ha) Regulátory růstu Herbicidy Insekticidy Fungicidy Ukazatel a jiné 07/08 08/09 07/08 08/09 07/08 08/09 07/08 08/09 Počet validních Počet nenulových Průměr (úplné*, nenulové) Průměr (nenul.) FO PO a.s s.r.o družstvo Poznámka: * Průměr za respondenty úplné a nenulové byl vypočítán jako průměr ze souboru respondentů, kteří vyplnili jak aplikované množství přípravku, tak množství aktivní látky. Průměr za respondenty nenulové zahrnuje všechny respondenty, kteří uvedli nenulovou hodnotu aplikovaného množství přípravku bez ohledu na to, zda uvedli množství aktivní látky. Zdroj: Vlastní výběrové šetření Vztaženo ke kukuřičné a řepařské výrobní oblasti vzhledem k souboru 135 podniků, které byly vybrány z homogenní výrobní oblasti mimo LFA. 23

25 Tabulka 18. Aplikace prostředků ochrany rostlin a regulátorů růstu množství aktivní látky (g/ha) Regulátory růstu Herbicidy Insekticidy Fungicidy Ukazatel a jiné 07/08 08/09 07/08 08/09 07/08 08/09 07/08 08/09 Počet validních Počet nenulových Průměr (nenul.) FO PO a.s s.r.o družstvo Zdroj: Vlastní výběrové šetření 2009 Tabulka 19. Aplikace prostředků ochrany rostlin a regulátorů růstu náklady (Kč/ha) Ukazatel Herbicidy Insekticidy Fungicidy Regulátory POR celkem 07/08 08/09 07/08 08/09 07/08 08/09 07/08 08/09 07/08 08/09 Počet validních Počet nenulových Průměr (nenul.) FO PO a.s s.r.o družstvo Zdroj: Vlastní výběrové šetření 2009 Vzhledem k tomu, že energetický obsah přípravku se liší podle jeho formy (skupenství), nelze energii obsaženou v prostředcích ochrany rostlin a regulátorech růstu vypočítat jednoduše vynásobením hodnot v tabulce 2.8 a příslušným koeficientem. Z toho důvodu byla vložená energie POR a regulátorů růstu na produkci pšenice ozimé kalkulována zvlášť (Tabulka 20). 24

26 Tabulka 20. Aplikace prostředků ochrany rostlin a regulátorů růstu energie obsažená ve spotřebovaných přípravcích (MJ/ha) Regulátory růstu Herbicidy Insekticidy Fungicidy Ukazatel a jiné 07/08 08/09 07/08 08/09 07/08 08/09 07/08 08/09 Průměr (nenul.) FO PO a.s s.r.o družstvo Zdroj: Vlastní výběrové šetření 2009 Spotřebované přímé energie na produkci pšenice ozimé Přímé energetické vstupy představují významnou položku v energetické bilanci zemědělských podniků. V průměru bylo spotřebováno na produkci pšenice přes 90 litrů nafty/ha, což se blíží hodnotám doporučovaným normativy zemědělských výrobních technologií. Vyšší spotřebu vykázaly podniky fyzických osob (v průměru přes 100 litrů/ha). Cena nafty se pohybovala nad 23 Kč/l v roce 2007/08, v roce 2008/09 pod 22 Kč/l. Vykazovaná cena nafty je nižší pravděpodobně v důsledku zohlednění nároku na vrácení části daně z minerálních olejů (tzv. zelená nafta). Průměrné náklady na spotřebu nafty za hospodářský převyšovaly Kč/ha. Spotřebu benzínu na produkci pšenice ozimé vykázalo více než 37 % respondentů. Spotřeba benzínu byla 2,6 l/ha v roce 2007/08 a 8,8 l/ha v roce 2008/09. Při zahrnutí nulových hodnot byla spotřeba 1 l/ha, resp. 3,3 l/ha. V roce 2007/08 vykázaly vyšší spotřebu podniky fyzických osob proti právnickým osobám, v roce 2008/09 tomu bylo naopak. Cena spotřebovaného benzínu byla v průměru na úrovni 26 Kč/l s meziročním mírným poklesem. Odhad spotřeby elektřiny kalkulované na produkci pšenice ozimé uvedlo přibližně 35 % respondentů. Průměrná spotřeba elektřiny byla 28,6 kwh/ha v roce 2007/08 při ceně 3,3 Kč/kWh, v roce 2008/09 spotřeba na hektar mírně klesla na 24,0 kwh/ha při mírně vyšší ceně 3,6 Kč/kWh. Vyšší cenu elektřiny uvedly podniky fyzických osob. Spotřebu maziv uvedlo rovněž přibližně 35 % respondentů. V průměru bylo na hektar pšenice spotřebováno 3,0 l maziv/ha (2007/08), resp. 1,7 l maziv/ha (2008/09). Při zahrnutí nulových hodnot byla spotřeba 1,1 l/ha, resp. 0,6 l/ha. Průměrná cena jednoho litru maziva se pohybovala kolem 63 Kč/l. Zemní plyn se na produkci pšenice ozimé prakticky nevyužívá, pravděpodobně pouze na dosoušení úrody. Spotřebu zemního plynu proto uvedlo jen 13, resp. 9 respondentů a výsledné hodnoty jsou značně rozkolísané. Průměrná spotřeba vzrostla z 83,1 m 3 /ha v roce 2007/08 na 117,2 m 3 /ha, při zahrnutí nulových hodnot činila průměrná spotřeba přibližně 9 m 3 /ha. Cena zemního plynu závisí na pásmu odběru a dodavateli a v průměru převyšovala 11 Kč/m 3. Spotřeba propan-butanu nebyla se v odpovědích prakticky 25

27 nevyskytovala. K dispozici bylo jen velmi málo odpovědí (cca 3 podniky s obtížně vyhodnotitelnými hodnotami). Tabulka 21. Spotřeba přímých energií na produkci pšenice ozimé Elektřina Zemní plyn Nafta (l/ha) Benzín (l/ha) Maziva (l/ha) Ukazatel (kwh/ha) (m 3 /ha) 07/08 08/09 07/08 08/09 07/08 08/09 07/08 08/09 07/08 08/09 Počet validních Počet nenulových Průměr (nenul) 91,5 96,5 2,6 8,8 78,4 70,3 3,0 1,7 83,1 117,2 - FO 100,9 117,7 7,7 3,9 93,9 82,4 2,7 2,0 66,9 N/A - PO 90,3 93,8 2,0 9,3 75,9 68,5 3,1 1,7 87,9 94,9 - - a.s. 89,2 97,1 2,8 9,4 99,9 99,4 2,5 0,9 37,4 26,0 - - s.r.o. 94,2 91,7 1,9 8,0 46,7 40,6 2,6 1,8 5,0 10,3 - - družstvo 83,5 92,1 1,6 11,0 78,3 60,8 4,8 2,3 127,0 139,4 Poznámka: Přepočet na přímou energii je možný vynásobením údajů uvedených v tabulce a konverzních energetických koeficientů: 1 l nafty = 40,7 MJ, 1 l benzínu = 41,5 MJ, 1 kwh elektrické energie = 9,6 MJ, 1 l maziva = 45,2 MJ, 1 m 3 zemního plynu = 33,8 MJ. Zdroj: Vlastní výběrové šetření 2009 Tabulka 22. Ceny přímých energií na produkci pšenice ozimé Elektřina Zemní plyn Nafta (Kč/l) Benzín (Kč/l) Maziva (Kč/l) Ukazatel (Kč/kWh) (Kč/m 3 ) 07/08 08/09 07/08 08/09 07/08 08/09 07/08 08/09 07/08 08/09 Počet validních Počet nenulových Průměr (s nulami) 23,2 21,8 26,2 25,5 3,3 3,6 63,7 62,8 11,2 11,1 Průměr (bez nul) 23,2 21,8 26,2 25,5 3,3 3,6 63,7 62,8 11,2 11,1 - FO 23,4 22,1 25,2 24,2 3,7 4,7 53,5 65,1 14,6 N/A - PO 23,2 21,8 26,3 25,6 3,2 3,4 65,9 62,2 9,8 11,5 - - a.s. 22,6 20,9 26,1 24,2 3,3 3,2 55,8 62,0 9,2 9,4 - - s.r.o. 24,1 22,2 26,5 26,2 3,2 3,3 50,0 64,4 10,0 9,9 - - družstvo 22,4 21,9 26,1 25,9 3,2 3,6 102,4 58,7 10,3 12,8 Zdroj: Vlastní výběrové šetření 2009 Obnovitelné zdroje energie využil v roce 2007/08 jen 1 respondent (bionafta), v roce 2008/09 celkem 2 respondenti, z toho jeden bionaftu a jeden energii z bioplynové stanice. 26

28 1.4 Stroje a budovy využívané při produkci pšenice Tato část popisuje strukturu využívaného majetku v podnicích pro pěstování pšenice. Vzhledem k jejich charakteru se jedná o víceúčelové movité či nemovité věci a bylo záměrem pokusit se oddělit využívání těchto věcí právě ke sledované plodině. Z hlediska toku energie v zemědělství patří majetek do kategorie nepřímých energií, tzn. kalkulují se energie ztělesněné do jeho výroby prostřednictvím doby jeho využívání v provozu. Tento přístup tak vyžaduje zjištění podrobných údajů jako jsou údaje o stáří, vlastnictví, technologickém provedení budov, využití pro předmětnou plodinu, apod. Energetický výdaj se poté počítá na základě stáří budovy, zastavěné plochy (m 2 ), využívané plochy pro danou komoditu a energetického ekvivalentu v MJ na 1 m 2 plochy využívané budovy. Energetický ekvivalent může být stanoven zvlášť pro každý typ budovy (užitého materiálu) nebo paušálně pro všechny budovy (stavební materiály). Běžně se užívá energetický ekvivalent 1000 MJ/m 2 využívané plochy. Energie ve strojích vyjadřuje průměrnou spotřebu energie na výrobu strojů a zařízení včetně energie na opravy náhradních dílů. Jedním ze způsobů kalkulace nepřímých energetických vkladů ve strojích je přepočet normativní hmotnosti stroje dané kategorie a typu na hodnotu nepřímé energie obsažené ve strojích při zohlednění míry využití stroje pro danou produkci (tedy pšenice ozimé). Stroje Do šetření byly zahrnuty následující kategorie strojů: traktory, stroje pro zpracování půdy, secí stroje, stroje na hnojení a ochranu rostlin, stroje pro aplikaci tuhých hnojiv, dopravní a manipulační stroje, sklízecí mlátičky a sběrací stroje. Pro pokrytí kompletních energetických vstupů ve strojích byly součástí zjišťování také údaje o provedených operacích formou externí služby. Traktory Traktory představují nejvýznamnější kategorii strojů; na podnik připadá v průměru téměř 4 traktory staré průměrně 12 let. Nejčastěji uváděnou tovární značkou jsou traktory John Deer, Case a Zetor. V souboru se ovšem vyskytují téměř všechny na českém trhu dostupné stroje. Respondenti uváděli, že v podniku využívají (resp. plánují využívat) traktory v průměru okolo 22 let. V provozu jsou traktory během roku v průměru okolo 1000 motohodin. Jednoznačně se pak ukazuje, že starší stroje jsou využívány v menší míře. Tak například traktory mladší 5 let vykonávají o 21 % více motohodin než traktory starší 5 let a o téměř 30 % více motohodin než 10ti a více leté traktory. Stroje pro zpracování půdy, setí, hnojení a ochranu rostlin a dopravní a manipulační technika Nejvíce zastoupenou kategorií jsou stroje pro zpracování půdy, mezi nimi pak převládají postupně oboustranné pluhy, válce, kypřiče, smyky a kombinátory. Používané oboustranné pluhy jsou ve většině podniků 5-7 radličné. Nejstarší stroje v této kategorii jsou dopravní a manipulační, u nichž respondenti odhadují průměrnou dobu využitelnosti na 31 let. U secích strojů převládají secí stroje universální a secí kombinace 27

29 s převažujícím záběrem stroje mezi 5 6 metry. Stroje pro aplikace hnojiv a prostředků ochrany rostlin patří mezi nevíce využívané stroje v podnicích s průměrným vytížením 2549 ha/stroj/podnik (kalkulováno za subjekty, kteří užívají takový stroj). S tím souvisí také rychlost jejich obnovy, kdy průměrné stáří činí 6 let a plánované délka uplatnění v podniku je 17 let. Sklizeň zrna a slámy U sledované populace uvedlo, že vlastní 5 alespoň jeden stroj pro sklizeň zrna resp. slámy 121 subjektů, tj. 90 % respondentů. Sklízecí mlátičku vlastní 115 subjektů, tj. 85 % respondentů. Stáří sklízecích mlátiček je nejnižší mezi sledovanými kategoriemi strojů a to i přesto, že jsou nejméně uplatňovány v provozu (v průměru 406 ha/rok). Tabulka 23. Charakteristika strojů využívaných pro pěstování pšenice ozimé Typ stroje Prům. počet kategorie/p odnik Prům. výkon (kw) Prům. (aktuální) stáří (roky) Prům. využitelná doba (roky)* Traktory 3, ** Stroje pro zpracování půdy 4, Secí stroje 1, Stroje pro aplikaci POR a hnojiv 1, Dopravní a manipulační 3, technika Sklízecí mlátičky 1, ,1 16,5 406 Ostatní sklízňová technika (drtiče, lisy, sběrací 0,4-9,5 21,5 163 návěsy) *) Součet stáří stroje a očekávané doby využití v podniku.** Motohodiny na 1 podnik. Kalkulované u podniků, které odpověděly, že mají alespoň 1 uvedený stroj. Zdroj: Vlastní výběrové šetření 2009 Budovy a stavby Využití 1 stroje v ha/podnik/rok 2007/ /09 Do energetické analýzy při pěstování pšenice ozimé vstupují tyto nemovitosti: haly, garáže a stodoly pro stroje a zařízení, sklady pro hnojiva a prostředky ochrany rostlin, sklady pro slámu a obilí. Následující tabulka charakterizuje strukturu a stav těchto nemovitostí (do vzorku bylo zařazeno celkem 135 respondentů). 5 Zde vlastní znamená též v pronájmu (např. formou leasingu). 28

30 Celkový počet dané nemovitosti v souboru Průměrný počet na 100 podniků Podíl vlastních Podíl najímaných Zastavěná plocha/podnik (m2) Průměrné stáří (let) Podíl připadající na pšenici*) Zůstatková hodnota** (2009) tis. Kč na 1 budovu Tabulka 24. Charakteristika využívaných staveb při pěstování pšenice ozimé Typ stavby Uskladnění strojů % 15 % % 491 (haly) Garáže % 5 % Sklady POR % 18 % % 311 Sklady hnojiv % 16 % % 315 Sklady slámy % 7 % % 446 Sklady na obilí 263 1,9 89% 11% % 1271 *) Jaký rozsah dané nemovitosti je využíván k produkci pšenice (případně odhad). **) Průměrná účetní zůstatková hodnota dané kategorie nemovitostí. Celkem 135 podniků v souboru. Zdroj: Vlastní výběrové šetření 2009 Z údajů vyplývá, že nejčastějším typem stavby, kterou podniky využívají jsou stavby pro uskladnění strojů. Je nutné doplnit, že sklady POR a hnojiv jsou často uloženy v jedné budově a podniky tudíž uváděly tyto stavby pouze v jedné kategorii. Převládá vlastnictví nad nájemním vztahem, které se pohybuje mezi 85 a 95 %. Největší zastavěná plocha a zároveň nejvyšší účetní hodnota (průměrná) sledovaných staveb připadá na haly pro strojový park a sklady pro obilí. Stáří těchto staveb se pohybuje mezi 30 a 40 lety, tzn. z účetního hlediska na úrovni 60% odpisu. 1.5 Pracovníci při pěstování pšenice Z hlediska toku energie v zemědělství patří lidská síla do obnovitelné energie a tudíž s ní není v energetických bilancích počítáno. Tento vstup je ale využit při výpočtu ekonomické efektivnosti. Celkový počet odpracovaných hodin stálými pracovníky podniků, kterými jsou traktoristé a ostatní specialisté, činí 11 a půl hodiny na hektar pěstované pšenice a z celkového pracovního fondu věnují čtvrtinu právě na pšenici. Vzhledem k tomu, že podíl pšenice na celkové obhospodařované půdě představuje v průměru 40 %, patří tato plodina k pracovně méně náročným. Sezónní pracovníky využívá polovina respondentů zejména na pracovní operace při sklizni, ale jejich pracovní výkon tvoří pouhé 3 % spotřebované práce na pěstování pšenice. Z celkového pracovního fondu tvoří přibližně 3 hodiny nepřímé práce na přípravu a manipulaci hnojiv, údržbu strojů, práce agronoma a mechanizátora. 29

31 Tabulka 25. Využití pracovní síly při pěstování pšenice ozimé Počet respondentů Průměrný údaj / / / / 09 Počet traktoristů a ostatních specialistů *) na podnik ,2 8,1 Počet sezónních pracovníků na podnik (jen u těch, kteří je využívají) ,2 2,1 Počet traktoristů a ostatních specialistů vč. sezónních pracovníků ,4 9,2 Počet hodin odpracovaný traktoristy a specialisty na ha pšenice ,4 11,7 Počet hodin odpracovaný sezónními pracovníky na ha pšenice ,7 0,4 Podíl pracovního fondu traktoristy a specialisty věnovaný pšenici ,3 27,0 Podíl pracovního fondu sezónních pracovníků věnovaný pšenici ,1 7,6 Měsíční mzda traktoristů a ostatních specialistů Měsíční mzda sezónních pracovníků Počet hodin nepřímých prací vynaložených na ha pšenice ,2 2,8 *) Stálí pracovníci. Zdroj: Vlastní výběrové šetření 2009 Dále bylo zjišťováno subjektivní hodnocení mzdové úrovně v podnicích, některé problémy v oblasti pracovníků zapojených do prací v rostlinné výrobě a také hodnocení spolupráce agronoma s ostatními techniky a vedoucími pracovníky. Vzhledem k tomu, že manažeři podniků nejčastěji hodnotili mzdové ocenění pracovníků ve srovnání s dostupným příjmem v ostatních odvětví v okolí ve více jak polovině případů jako výrazně nižší nebo nižší a ve více jak 1/3 přibližně stejné, objevují se v řízení pracovníků rostlinné výroby následující problémy. Mezi nejzávažnější problémy patří zejména malá zkušenost v oboru, odcizování majetku a nízká pracovní morálka. Tabulka 26. Hodnocení problémů v oblasti řízení pracovníků RV *) - relativní četnosti (%) velký problém střední problém menší problém žádný problém Vysoké věková struktura Nízká kvalifikace a vzdělání ,1 Malá zkušenost v oboru Nízká pracovní morálka ,3 Odcizování majetku podniku ,9 1,6 Malá oddanost podniku ,5 Nedostatečný respekt k vedoucím ,8 1,6 *) hodnocení bylo provedeno 128 respondenty. Zdroj: Vlastní výběrové šetření 2009

32 Na organizaci práce má také vliv spolupráce agronoma s ostatními vedoucími pracovníky, kdy ve více jak polovině podniků dochází k častým problémům, ale ne vážným. Celkově se jedná spíše o méně závažné problémy, ale velmi časté nebo občasně se vyskytující přibližně ve stejném poměru. 1.6 Marketing produkce V této části se zabýváme způsoby odbytu produkce (pšenice) a její skladování a to pouze pro produkci vyrobenou v hospodářském roce 2007/2008 a realizované v marketingovém roce 2008/2009. V rámci realizace produkce byly zjišťovány údaje o prodávaných množství produkce v době sklizně a po sklizni, jaké byly realizační ceny, technologické parametry prodávané pšenice (vlhkost, příměsi, obsah lepku); hlavní způsoby realizace produkce včetně hodnocení míry spokojenosti se způsoby realizace; technologické zázemí pro skladování včetně údajů o stáří, kapacitě, typu skladu, pořizovací a zůstatkové účetní hodnotě, vlastnictví a způsobu pořízení či nájmu jednotlivých skladů a jejich technologickým vybavením (způsoby větrání skladu, vybavenost čističkou, sušičkou) včetně nákladů na skladování a dopravu. Dále byly zjišťovány informace o nákladech a efektu posklizňové úpravy a skladování pšenice ozimé jak v případě čištění tak i sušení. Tabulka 27. Základní charakteristiky o produkci a realizaci pšenice ozimé ze sklizně 2007/2008 Ukazatel Produkce pšenice ozimé celkem (t) Prodané množství produkce (t) z toho - Prodané množství v době sklizně (t) 31 z toho - Prodané množství po sklizni (t) Množství čištěné hmoty (t) Množství sušené hmoty (t) Počet validních Součet Průměr Podíl z produkce ,9 24,6 58,3 55,7 7,9 (%) Zdroj: Vlastní výběrové šetření 2009 Z celkového množství vyrobené produkce pšenice ozimé bylo 92 % realizováno prodejem a zbývající část zpracována v rámci vnitropodnikové spotřeby. Z celkového prodávaného množství produkce bylo 27 % realizováno v době sklizně (mohla být technologicky upravována a také i po dobu sklizně krátkodobě skladována vzhledem k vykázaným nákladům na skladování) a 63 % až v době po sklizni tedy bylo dlouhodoběji uskladněno. Přitom respondenti v průměru disponují skladovací kapacitou na uskladnění 75 % vyrobené produkce a v průměru na jeden podnik činí skladovací kapacita t. Z celkové produkce pšenice bylo dále technologicky upravováno 56 % produkce čištěním a 8 % sušeno na speciálním technologickém zařízení. Krátkodobé či dlouhodobé skladování má rozdílný vliv na technologické parametry produkce, přičemž

33 pro dlouhodobější skladování je upravována vlhkost buď technologickým procesem čištění, pasivního sušení (vhánění vzduchu průduchy při skladování) či aktivního sušení (na technologické lince při využití energetických zdrojů) a v průměru je nižší o 1 p. b. V případě příměsí je čištěním dosahováno snížení jejich obsahu až o půl procentního bodu (tedy o 23 %). Tabulka 28. Průměrné technologické a ekonomické parametry při realizaci produkce pšenice ozimé ze sklizně 2007/2008 Náklad Obsah Výše Vlhkost Obsah Cena na příměsí dopravních (%) lepku (%) (Kč/t) skladová (%) nákladů (Kč/t) ní (Kč/t) V době sklizně 12,3 2,2 18, ,5 63,8 V době po sklizni 11,3 1,7 18, ,3 108,2 Zdroj: Vlastní výběrové šetření 2009 Při posklizňovém zpracování produkce tedy dochází ke zvyšování kvality a tomu by mělo odpovídat i lepší ekonomické zhodnocení produkce, které ale bylo negativně ovlivněno velmi výraznou změnou cenových podmínek v průběhu marketingového roku. V měsíci květnu roku 2008 cena pšenice potravinářské dosáhla svého historického maxima při výši 6 210,- Kč/t a v průběhu měsíce srpna došlo k jejímu strmému poklesu na úroveň 4 tis. Kč a svého minima dosáhla v marketingovém roce 2008/2009 v měsíci lednu na úrovni 2 928,- Kč/t. Tento cenový šok byl způsoben velmi vysokou domácí, evropskou i světovou produkcí obilovin a také souběhem projevů nastávající zprvopočátku finanční a následně světové hospodářské krize. Z tohoto důvodu byla v případě námi sledovaného výběrového souboru podniků průměrná cena v době sklizně vyšší o 181,- Kč/t než průměrná cena realizovaná v následujícím období po sklizni. Nebylo tedy možné realizovat ekonomické výhody vyplývající z následného technologického upravování produkce a skladování při vyčkávání na lepší ceny v době po sklizni. Podniky, které skladovaly produkci jsou navíc zatíženy dalšími náklady na skladování, které jsou ve srovnání s produkcí realizovanou v době sklizně pětinásobně vyšší a dosahují v průměru 103 Kč/t skladované produkce. Náklad na skladování se odvíjí od doby skladování a užité technologie. Pouze v době sklizně tedy bez dlouhodobějšího skladování realizovalo svoji produkci 31 podniků o celkovém množství 35,7 tis. tun tj. 13,5 % z celkové prodané produkce při průměrné ceně 3 448,- Kč/t. Naopak 39 podniků realizovalo veškerou svoji produkci pšenice ozimé pouze až v době po sklizni a to v celkovém množství 89,3 tis. tun tj. 33,9 % při průměrné ceně 3 504,- Kč/t. V případě těchto podniků technologické úpravy produkce a podmínky smluv umožnily přes velmi nízké ceny zrealizovat produkci za výhodnějších cenových podmínek. Následující dvě tabulky uvádějí charakteristiky podniků a dále technologické a ekonomické parametry při uplatňování čištění a sušení produkce. Čištění produkce provádí více jak polovina respondentů na 90 % své produkce. Proces čištění je ve srovnání se sušením mnohem méně energeticky i celkově nákladově náročný a poměrně 32

34 efektivní, protože čištěním zrna dochází v průměru ke snížení příměsí o 3,8 p.b. (tedy o 62 %) a snížení vlhkosti o 1,2 p. b. (o 10 %). Vlastní náklady na spotřebované energie činí přibližně polovinu z celkových vynaložených nákladů na čištění. Tabulka 29. Technologické a ekonomické parametry při čištění produkce pšenice ozimé ze sklizně 2007/2008 Počet respondentů (% podíl) 62 (46 %) Průměrné vyprodukované množství pšenice na podnik t Průměrné množství čištěné hmoty na podnik t Podíl čištěného množství z celkové vyrobené produkce 90 % % snížení příměsí v hmotě v důsledku čištění 3,8 p.b. % snížení vlhkosti v hmotě v důsledku čištění 1,2 p.b. Náklady na čištění produkce (energetické vstupy) 46,6 Kč/t Celkové náklady na čištění produkce (včetně pracovních a dalších nákladů) 93,3 Kč/t Zdroj: Vlastní výběrové šetření 2009 Aktivní sušení produkce pšenice provádí již jen 10 % podniků s nadprůměrnou velikostí a upravuje sušením již jen 1/3 vyrobené produkce. Aktivním sušením se v průměru snižuje vlhkost více než dvakrát oproti vyčištění, ale tento proces je velmi energeticky náročný. Proto je využíván jen u produkce, která má velmi vysokou vlhkost a vyčkávání na příznivé podmínky při sklizni by znamenalo ztrátu technologické kvality produkce. Tabulka 30. Technologické a ekonomické parametry při sušení produkce pšenice ozimé ze sklizně 2007/2008 Počet respondentů (% podíl) 13 (10%) Průměrné vyprodukované množství pšenice na podnik t Průměrné množství sušené hmoty na podnik t Podíl sušeného množství z celkové vyrobené produkce 35 % % snížení vlhkosti v hmotě v důsledku sušení 3,5 p.b. Náklady na sušení produkce (energetické vstupy) 147,3 Kč/t Celkové náklady na sušení (včetně pracovních a dalších nákladů) 193,8 Kč/t Zdroj: Vlastní výběrové šetření 2009 Další přínosy skladování a sušení, vedle zlepšení kvality prodávané či zpracovávané produkce spočívají ve zkrácení doby sklizně, která umožňuje provedení sklizňových prací v co nejkratších agrotechnických termínech a tím i dosažení vyrovnané kvality z pohledu technologické zralosti či nepřízni počasí. Ve výběrovém souboru 63 % z celkového počtu respondentů indikovalo zkrácení doby sklizně. V průměru se jedná o 4 dny a z této skupiny respondentů 55 % využilo volnou kapacitu strojů pro sklizeň pšenice na provádění služeb pro ostatní zemědělské podniky. 33

35 Tabulka 31. Hlavní způsoby prodeje produkce pšenice ozimé ze sklizně 2007/2008 Prům. % Počet Míra Podíl podniků z celkového podniků s spokojenos s daným množství daným ti s daným způsobem realizované způsobem způsobem odbytu (%) produkce odbytu odbytu *) (%) A) Prodej výkupům 85 63,0 39,6 2,6 B) Prodej prostřednictvím odbytové organizace (družstvo, a.s., s.r.o.) 45 33,3 27,2 2,8 C) Prodej soukromému obchodníkovi 42 31,1 12,5 2,9 D) Vlastní export 16 11,9 4,2 3,2 E) Mlýny 28 20,7 12,9 2,6 F) Lihovary 2 1,5 0,3 2,3 G) Výrobci průmyslových krmiv 13 9,6 1,6 3,0 H) Jiný (uveďte): 14 10,4 1,7 3,4 Celkem *) hodnocení spokojenosti v oblasti kvality smluvních vztahů, cenových a platebních podmínek (1- nespokojeni, 4-velmi spokojeni) Zdroj: Vlastní výběrové šetření 2009 Při vlastní realizaci produkce je nejčastějším způsobem prodej prostřednictvím výkupů, přes ně je realizováno 40 % prodávané produkce a využívá ho 2/3 respondentů. Dalším významným distribučním kanálem je prodej prostřednictvím odbytové organizace, který využívá 1/3 respondentů pro prodej méně jak 1/3 celkové produkce. Respondenti ale u těchto nejfrekventovanějších odběratelů vyjádřili nejmenší míru spokojenosti s daným způsobem odbytu z pohledu kvality smluvních vztahů, cenových a platebních podmínek. Naopak nejvíce jsou spokojeni se způsobem realizace produkce přes vlastní export, prodej výrobcům průmyslových krmiv a jiný způsob, u kterého jsou nejčastěji uváděni výrobci osiv, přímé zpracování a drobný prodej. Každý z těchto způsobu využívá v průměru 10 % respondentů, ale pro velmi malé objemy produkce kolem 2-4 %. 1.7 Nakládání a plány s obnovitelnými energiemi v zemědělských podnicích V rámci II. kola šetření u zemědělských podniků, kterého se zúčastnilo 42 podniků FO a 78 PO, bylo hodnoceno, jak podniky vnímají proces zavádění obnovitelných zdrojů energií do svých strategií, rozsah využívání zdrojů obnovitelných energií a jak případně tento proces plánují. Prvotním cílem bylo formou subjektivního dotazování zjistit názory respondentů na hodnocení energetických vztahů v jejich podnicích (jedním z výstupů projektu má být systém využitelný jako podklady pro individuální hodnocení podniků při nakládání a produkcí energií). Na otázku zda-li podniky provádějí hodnocení energetických bilancí odpověděli 2/3 respondentů negativně, přičemž 1/5 respondentů toto hodnocení 34

36 zároveň nepovažuje za přínosné. Naproti tomu téměř 1/3 z dotazovaných hodnocení energetických vztahů provádí a zároveň považuje za přínosné. Částečně nad očekávání autorů se 2/5 dotazovaných vyslovilo negativně také v otázce jak důležité je pro tyto subjekty energeticky úsporné chování (u subjektů fyzických osob dokonce více než polovina). Respondenti patrně odpovídali na ochotu chovat se energeticky úsporně pouze ve smyslu produkce negativních externalit (odpovědi by mohly implikovat nízký zájem na zavádění způsobů, které přispějí k jejich snižování), nikoli ve smyslu dopadů do snižování privátní (nákladové) spotřeby. Analogický přístup podniků je možné vysledovat i ve vnímání podniků pokud jde o investice do produkce/úspor energií. Podobně jako u dotazu na důležitost energeticky úsporného chování i zde se projevuje rozdíl mezi subjekty FO a PO, kde pro první skupinu je dlouhodobě udržitelný rozvoj v energetické oblasti nižší prioritou než u PO. Veřejná podpora/úleva je podle očekávání stimulem, z odpovědí ovšem nevyplývá, že zásadním; pro polovinu respondentů je tento faktor průměrně významným až nevýznamným. Z odpovědí dále plyne, že primární poslání zemědělce je především výroba komodit RV a chov (a neměla by být nahrazována výrobou energií); jednoznačně si toto myslí 65 % respondentů s ještě výraznějším důrazem u FO. Využívání obnovitelných zdrojů energií resp. technologií pro jejich výrobu není prozatím ve větším měřítku a to především u podniků fyzických osob; ze 42 dotázaných pouze 2 subjekty provozují nějakou technologii (1x solární systém pro ohřev vody a 1x kotelna na spalování biomasy). U podniků PO jsou uváděné technologie častější; 7 % provozovalo bioplynovou stanici, 3 % fotovoltaický systém, 1 % vodní elektrárnu a 3 % kotelnu na spalování biomasy. Mezi nejvýznamnější důvody pro realizaci investice byla jednak potřeba nahradit dosluhující původní zdroj a snaha o částečnou energetickou soběstačnost. Naproti tomu ekonomické důvody ( je to ekonomicky zajímavá investice? ) byly hodnoceny jako spíše nevýznamné. Skutečnost, že podniky vstupují do investic i bez očekávaní ekonomické návratnosti je zajímavá. Z toho je možné usuzovat, že investice byly s vysokou pravděpodobností realizovány s veřejnou podporou, která nebyla respondenty uvažována. V roce 2009 byla v nějaké fázi plánování investice (s vlastní realizací během 2 let) do obnovitelného zdroje energie 1/3 subjektů, s převahou právnických osob. Tabulka 32. Jak zemědělské podniky prováděly hodnocení energetických bilancí (v posledních 5 letech) a vnímání jejich přínosů Vztah podniku FO PO 35 Celkem obě formy Provádí hodnocení a považuje za přínosné 8% 42% 30% Provádí hodnocení, ale nepovažují to za přínosné Neprovádí hodnocení, ale považují to za přínosné Neprovádí hodnocení a zároveň to nepovažují za přínosné Zdroj: Vlastní výběrové šetření % 7% 7% 47% 45% 46% 37% 7% 17%

37 Tabulka 33. Jak důležité je pro zem. subjekty energeticky úsporné chování a to i bez ohledu na okamžitý ekonomický efekt? Vztah podniku FO PO Celkem Velmi důležité 9% 21% 17% Důležité 34% 49% 44% Nedůležité 57% 30% 39% Zdroj: Vlastní výběrové šetření 2009 Tabulka 34. Jak zem. subjekty vnímají investice do produkce/úspor energií (škála 1 velmi významný 5 zcela nevýznamný) Vztah podniku FO PO Dlouhodobě udržitelný rozvoj v energ. oblasti je pro nás prioritou. Investice v energetické oblasti zvažujeme pouze v případě, že přinášejí zisk. Investice do obnovitelných zdrojů energie může být ohrožena změnou vnějších podmínek. Daňové úlevy nebo podpory jsou hlavním předpokladem zamýšlené investice. Primárním posláním zemědělství je výroba komodit RV a ŽV a nemá být nahrazována výrobou energií. Zdroj: Vlastní výběrové šetření 2009 Celkem obě formy 3,3 2,8 3,0 2,4 1,8 2,0 2,1 1,8 1,9 2,4 2,3 2,3 1,9 2,4 2,2 Tabulka 35. Podniky, které uvažovaly o investici do obnovitelného zdroje energie v horizontu 2 let (tj ), v % odpovědí FO PO Celkem obě formy ANO NE Zdroj: Vlastní výběrové šetření Závěr k dokumentaci šetření Cílem výše uvedené koncentrované deskripce základních údajů z provedených dvou výběrových šetření bylo v co nejpřehlednější formě představit základní informace o podmínkách, dosažených výsledcích a technologickém procesu pěstování pšenice a jejich další využití v analýzách energetických a ekonomických vazeb ve velmi detailním a komplexním pohledu. Tomu odpovídal i rozsah dotazníků a jejich časová náročnost vyplnění, které jsou unikátním zdrojem dat pro vlastní analýzy představené dále v této zprávě. 36

38 2. Metodika energetické analýzy popis konstrukce výpočtového algoritmu Tato přílohová část dokumentu popisuje proces tvorby programu pro výpočet energetických ukazatelů, způsob stanovení technických koeficientů, přepočet na emise skleníkových plynů a algoritmus výpočtu výsledkových ukazatelů. 2.1 Definice pojmů Metodika energetické analýzy zemědělského podniku, resp. produkce zemědělské komodity v rámci projektu vychází z metodiky PLANETE. Jelikož byl v případě tohoto projektu aplikován komoditní přístup se zaměřením na kvantifikaci ekonomické a energetické efektivnosti pšenice ozimé, bylo nutné původní metodiku přizpůsobit. Doposud se v odborné literatuře příliš nerozlišovaly termíny energetická efektivnost a energetická bilance. Z níže uvedených definic (box 1) vyplývá, že energetickou bilanci bude vhodné analyzovat podle technologických charakteristik, zatímco energetickou efektivnost za předpokladu dodržení jednotných specifických technologických parametrů lze zkoumat v zásadě stejnými postupy jako ekonomickou efektivnost. Box 1 Definice základních pojmů Energetická efektivnost (EnE) zemědělského podniku je definována jako podíl vyrobené energie v potravinách (komoditách) ke spotřebovaným neobnovitelným energiím, včetně obnovitelných, přímo nahrazujících neobnovitelné zdroje energie: EnE = hrubé energie výrobků/ vstupní neobnovitelné energie včetně obnovitelných nahrazující přímo neobnovitelné zdroje energie Energetická bilance (EB) zemědělského podniku je definována jako rozdíl mezi vyrobenou potravinovou (komoditní) energií a spotřebovanými neobnovitelnými energiemi včetně obnovitelných nahrazující přímo neobnovitelné zdroje energie: EB= hrubé energie výrobků- vstupní neobnovitelné energie včetně obnovitelných nahrazující přímo neobnovitelné zdroje energie Mezispotřeba se při kalkulaci neuvažuje. Obnovitelné zdroje energie nahrazující přímo neobnovitelné zdroje energie jsou ty, které pocházejí z biomasy, slunce, větru, vody, geotermálních zdrojů a nahrazují tak neobnovitelné zdroje. Nejsou v nich zahrnuty sluneční energie působící během fotosyntézy při tvorbě hmoty rostlin tvořící zkoumanou zemědělskou produkci a dále lidská práce. Důvodem pro jejich zahrnutí do energetické bilance je složitost při jejich stanovení (při výrobě obnovitelných zdrojů energií se částečně podílejí i neobnovitelné zdroje energií a dále, že podniky využívající ze 100 % bioenergií bychom museli považovat za nekonečně efektivní. Ekonomická efektivnost (EkE) je ukazatel, který představuje poměr nákladů na produkci. Maximální ekonomická efektivnost vyjadřuje vztah, při kterém jsou dosažené náklady na produkci určitého výrobku nejnižší. Na příkladu je možné definovat efektivnost následovně: k výrobě y 1 a y 2 je zapotřebí určité množství x 1 a x 2, efektivní výroby je dosaženo tehdy, jestliže již nelze vyrobit více y 1 ani y 2 z původně použitého množství x 1 a x 2. V rámci ekonomické efektivnosti jsou dále rozeznávány ještě další typy efektivnosti: alokační, X-efektivnost, Pareto efektivnost a další. 37

39 V rámci tvorby metodiky byl pro automatizaci výpočtů vytvořen model v prostředí MS Excel. Vytvořený nástroj umožňuje ze souboru získaných dat snadný výpočet energetických ukazatelů a kritérií i ve vztahu ke globálnímu oteplování (emise skleníkových plynů). Dílčí kritéria pro konverzi energií v rámci modelu mohou být podle potřeb aktualizovány. 2.2 Základní koncept energetické analýzy V rámci konceptu energetické analýzy je tok energií kalkulován na principu od kolébky do hrobu všech materiálů a zařízení vstupujících do systému definovaného podle stanovených pravidel a zároveň stejné toky spojené s produkty vystupujícími z tohoto systému. Současně jsou zjednodušeným postupem kalkulovány emise hlavních skleníkových plynů CO 2 a N 2 O. Jelikož je předmětem analýzy pšenice ozimá, nejsou kalkulovány emise metanu (CH 4 ), který je relevantní pro živočišnou výrobu. Ostatní skleníkové plyny uvažovány nebyly. V systému jsou kalkulovány všechny neobnovitelné zdroje energie účastnící se na tvorbě a dopravě vstupů do zemědělského podniku, včetně strojů, zařízení a budov (od dobývání surovin až po konečný výrobek) a energie zvolené komodity (pšenice ozimé) vyjádřená obsahem hrubé energie. Na rozdíl od metody PLANETE, která neuvažovala mezispotřebu a kalkulovala pouze energii na výstupu u bran zemědělského podniku (výrobky byly započítávány jen v případě, že skutečně opustí podnik a budou využívány jinými podniky), je v tomto komoditním přístupu kalkulováno s hrubou energií obsaženou ve vyprodukovaném objemu (vyprodukované zrno, vyprodukovaná sláma). Lidská práce je považována za obnovitelnou energii a nebyla do výpočtu zahrnuta. Otázky týkající se struktury pracovních sil a pracovní náročnosti produkce pšenice ozimé jsou v dotazníku obsaženy jako doplňkové otázky. Na vstupu do výrobního procesu jsou tedy uvažovány všechny výrobní faktory kromě práce fixní majetek i variabilní vstupy. Zohledňuje se také doprava vstupů do podniku. Koeficienty použité pro kalkulaci emisí skleníkových jsou založeny na normativních údajích Mezinárodního panelu expertů na klimatické změny (IPCC), přičemž se převádějí na společný ekvivalent CO 2 s ohledem na jejich účinek na infračervené záření, resp. schopnost globální oteplování (podrobněji viz dále). 2.3 Metodika energetické analýzy Základem metodiky energetické analýzy je přepočet energetických vstupů a výstupů na srovnatelnou veličinu, kterou je tzv. ekvivalent litru nafty (EQF, l équivalent litre de fioul). 1 EQF je roven 1,17 litrům nafty, přičemž 0,17 litrů odpovídá energii na těžbu, rafinování a transport jednoho litru nafty. Další srovnatelnou veličinou, na kterou jsou přepočítávány energetické vstupy a výstupy je tzv. ekvivalent tuny ropy (TEP). Tyto konverzní jednotky byly zvoleny proto, že mají větší vypovídací schopnost než kalorie či jouly. Následující tabulka uvádí příklady konverzních koeficientů používaných pro energetickou analýzu v rámci projektu. 38

40 Tabulka 36. Konverzní koeficienty jednotek energie 1 MJ = 239 kcal 1 EQF = 35,8 MJ 1 kwh = 3,60 MJ 1 TEP = MJ 1 TEP = kwh Zdroj: PLANETE Energetické výstupy Energetickými výstupy jsou zrno a sláma pšenice ozimé. Pro účely energetické bilance byl stanoven podíl hektarového výnosu zrna a slámy na 1,35:1 (Kavka a kol. standardní způsob pěstování pšenice ozimé). Normativní poměr byl zvolen proto, že evidence slámy závisí do značné míry na tom, jak s ní podnik po sklizni naloží nejčastěji je buď zaorána, prodána nebo použita v živočišné výrobě jako podestýlka. Ve výpočtu není zohledněn obsah hrubé energie v různých odrůdách pšenice a předpokládá se jako stejný. Koeficient pro přepočet produkce na obsah hrubé energie pšeničného zrna a slámy je (podle PLANETE): 1 kg zrna pšenice ozimé = 15,82 MJ 1 kg slámy pšenice ozimé = 15,93 MJ Výpočet energie obsažené ve výstupech z produkce pšenice ozimé je kalkulován podle vztahu: Energetický obsah produkce (MJ/rok) = výnos (t/ha) * výměra (ha) * koeficient (MJ/kg) * 1000 Energetické vstupy Z hlediska vstupů je pro výpočet energetické bilance a energetické efektivnosti důležité rozlišovat přímé a nepřímé energie. a) Přímé energie spotřeba nafty, benzínu, propan-butanu, maziv, zemního plynu, elektřiny a ostatních přímých energií (uhlí). Spotřeba vody na zavlažování kalkulována nebyla, protože závlahy pšenice ozimé nejsou v ČR běžně prováděnou operací. Do přímých energií je prostřednictvím normativního koeficientu spotřeby nafty na hektar rovněž zahrnuta energetická náročnost služeb prováděných pro zemědělský podnik dalšími subjekty. b) Nepřímé energie ztělesněná ve výrobě osiva, minerálních a organických hnojiv, prostředků ochrany rostlin, stroje a zařízení, budovy. 39

41 Klíčové vstupy a údaje determinující finální výpočty energetické efektivnosti a bilance jsou uvedeny v následujícím přehledu. Přímé energie druh energie (nafta, benzín, propan-butan, elektřina, maziva, zemní plyn), spotřebované množství (podle druhu energie litry, kg, kwh nebo m 3 ). - Služby (pracovní operace spojené s produkcí pšenice ozimé provedené ve sledovaných letech formou služby od externího dodavatele) výměra pšenice ozimé, na které byla služby provedena (ha). Nakupovaná minerální hnojiva druh hnojiva, spotřebované množství (t), průměrné hodnoty účinné látky obsažené v přípravku (N, P 2 O 5, K 2 O, CaO). Organická hnojiva druh hnojiva, použité množství (t nebo m3), dopravní vzdálenost na pole. Prostředky ochrany rostlin druh výrobku, forma (emulze, granule / prášek suchý, prášek rozpustný, jiné), použité množství (kg/rok), množství aktivní látky (kg/rok). Spotřeba osiva množství spotřebovaného osiva (kg). Budovy zemědělského podniku typ budovy, stáří (budovy starší 25 let se považují za odepsané), zastavěná plocha (m 2 ), plocha pro pšenici ozimou (% ze zastavěné plochy). Stroje a zařízení používané v zemědělském podniku (bez ohledu na jejich vlastnictví): - traktory počet poháněných náprav, rok výroby, plánovaná doba do vyřazení stroje z provozu, počet motohodin využití v celém podniku, z toho motohodin pro výrobu pšenice ozimé; - stroje na zpracování půdy druh stroje, počet radlic, záběr, plánovaná doba do vyřazení stroje z provozu, celosezónní a celopodnikové použití (ha), použití na výrobu pšenice ozimé v daném roce (ha); - secí stroje druh, záběr (v případě stroje pro přesný výsev uvést počet řádků), plánovaná doba do vyřazení stroje z provozu, celosezónní a celopodnikové použití (ha), použití na výrobu pšenice ozimé v daném roce (ha); - stroje na hnojení a ochranu rostlin druh, záběr či kapacita zásobníku, plánovaná doba do vyřazení stroje z provozu, celosezónní a celopodnikové použití (ha), použití na výrobu pšenice ozimé v daném roce (ha); - stroje na tuhá hnojiva druh, kapacita zásobníku, plánovaná doba do vyřazení stroje z provozu, celosezónní a celopodnikové použití (ha), použití na výrobu pšenice ozimé v daném roce (ha); - dopravní a manipulační technika druh, nosnost (kde je relevantní), plánovaná doba do vyřazení stroje z provozu, celosezónní a celopodnikové použití (ha), použití na výrobu pšenice ozimé v daném roce (ha); - stroje na sklizeň sena a slámy druh, doplňující parametry (výkon motoru, kapacita návěsu tam, kde je relevantní), plánovaná doba do vyřazení stroje z provozu, celosezónní a celopodnikové použití (ha), použití na výrobu pšenice ozimé v daném roce (ha); 40

42 Pro výpočet energetické efektivnosti a energetické bilance je nutné výše uvedené energetické vstupy a výstupy spojené s produkcí pšenice ozimé přepočítat pomocí konverzních koeficientů a algoritmů na energii v MJ/rok, resp. EQF/rok či EQF/ha. Následující odstavce obsahují algoritmus výpočtu a konverzní koeficienty, které jsou obsaženy v excelovém modelu vytvořeném v rámci projektu. Přímé energie Přímé energie (bez dodaných služeb) se kalkulují vynásobením množství spotřebovaného druhu energie (l, kg, m 3, kwh / rok) příslušným koeficientem z tabulky (Tabulka 37) Tabulka 37. Konverzní koeficienty pro výpočet přímé energie Druh Hodnota Jednotka Nafta 40,7 MJ/l Benzín 41,5 MJ/l Propan-butan 50,8 MJ/kg Zemní plyn 33,8 MJ/m 3 Maziva 45,2 MJ/l Elektrická energie 9,6 MJ/kWh Uhlí 27,8 MJ/kg Zdroj: PLANETE Energie spojené s dodávanými službami se přepočítávají přes výměru pšenice ozimé, na které byla služba provedena (ha) podle koeficientů, které byly kalkulovány podle normativní spotřeby nafty na hektar při provádění dané operace (Tabulka 38). Nevýhodou použití normativních koeficientů může být nerozlišení zvolených technologických postupů při produkci pšenice ozimé. Normativy však byly u prací prováděných formou služeb zvoleny proto, že zemědělec nemůže příliš ovlivnit strojové a materiálové vybavení, které použije dodavatel služby a služba je většinou účtována za hodinu práce nebo hektar. Zemědělec může naopak ovlivnit materiály a strojové vybavení použité ve vlastní režii, což je v modelu zohledněno příslušnou diferenciací koeficientů. 41

43 Tabulka 38. Konverzní koeficienty pro výpočet energie vynaložené v rámci dodaných služeb Práce Hodnota Jednotka Zpracování půdy (kombinace) 700 MJ/ha Předseťová příprava půdy a setí 430 MJ/ha Aplikace hnojiv 140 MJ/ha Aplikace POR 75 MJ/ha Sklizeň 1000 MJ/ha Zdroj: Kalkulace dle normativů spotřeby nafty pro jednotlivé operace Nakupovaná minerální hnojiva Kalkulace energetického vstupu formou spotřeby nakupovaných minerálních hnojiv je prováděna na kilogram výživné látky obsažené v hnojivu podle vzorce Energetický obsah účinné látky (MJ/rok) = celkové použité množství hnojiva (t/rok) * (% hodnota výživných látek / 100) * koeficient (MJ/kg výživné látky) * 1000 Tabulka 39. Konverzní koeficienty pro výpočet energie obsažené v minerálních hnojivech Druh výživné látky Hodnota Jednotka N 82,5 MJ/kg v.l. P 2 O 5 17,7 MJ/kg v.l. K 2 O 9,6 MJ/kg v.l. CaO 2,8 MJ/kg v.l. Zdroj: Preininger (1987), PLANETE Organická hnojiva Energetický obsah organických hnojiv byl stanoven srovnáním průměrného obsahu čistých živin s odpovídajícími energetickými ekvivalenty průmyslových hnojiv. Neodpovídá tedy skutečné spotřebě energie vynaložené na jejich výrobu (Preininger, 1987). Výpočet energetického vstupu v organických hnojivech se provádí podle vzorce Energetický obsah organických hnojiv (MJ/rok) = celkové použité množství (t, m 3 ) * [koeficient (MJ/t nebo m 3 ) * průměrná vzdálenost dopravy na pole (km) * energie dopravy (MJ/t.km)] 42

44 Pro dopravu organických hnojiv na pole byl zvolen traktor s energetickým koeficientem 3,2 MJ/t.km. Energetické ekvivalenty organických hnojiv (koeficienty) jsou uvedeny v tabulce (Tabulka 40). Tabulka 40. Konverzní koeficienty pro výpočet energie obsažené v organických hnojivech Druh organického hnojiva Hodnota Jednotka Kejda 246 MJ/t Chlévská mrva 463 MJ/t Kompost 200 MJ/t Městské nebo průmyslové kaly 150 MJ/m 3 Zdroj: Preininger (1987), PLANETE Prostředky ochrany rostlin Postup výpočtu energetického obsahu prostředků ochrany rostlin (pesticidy) rozlišuje mezi druhem prostředku (herbicidy, insekticidy, fungicidy, další prostředky) a jeho formou (emulze, granule / prášek suchý, prášek rozpustný, ostatní). Výpočet nepřímých energetických vstupů v pesticidech se provádí podle algoritmu Energetický obsah prostředků ochrany rostlin (MJ/rok) = množství aktivní látky (kg) * koeficient (MJ/kg aktivní látky) Energetické ekvivalenty pro výpočet energetického obsahu prostředků ochrany rostlin jsou uvedeny v tabulce (Tabulka 41). 43

45 Tabulka 41. Konverzní koeficienty pro výpočet energie obsažené v pesticidech Druh pesticidu Hodnota Jednotka Herbicid - emulze 414 MJ/kg a.l. Herbicid - rozpustný prášek 260 MJ/kg a.l. Herbicid - granulát 338 MJ/kg a.l. Herbicid - ostatní 340 MJ/kg a.l. Insekticid - emulze 359 MJ/kg a.l. Insekticid - rozpustný prášek 205 MJ/kg a.l. Insekticid - granulát 283 MJ/kg a.l. Insekticid - ostatní 250 MJ/kg a.l. Fungicid - emulze 267 MJ/kg a.l. Fungicid - rozpustný prášek 113 MJ/kg a.l. Fungicid - granulát 191 MJ/kg a.l. Fungicid - ostatní 190 MJ/kg a.l. Další prostředky - emulze 237 MJ/kg a.l. Další prostředky - rozpustný prášek 213 MJ/kg a.l. Další prostředky - granulát 288 MJ/kg a.l. Další prostředky - ostatní 250 MJ/kg a.l. Zdroj: PLANETE Spotřeba osiva Energetický obsah osiva pšenice ozimé je stanoven normativně bez ohledu na odrůdu, jelikož nejsou k dispozici diferencované ukazatele. Výpočet nepřímých energetických vstupů v osivu pšenice ozimé se provádí pomocí energetického ekvivalentu 11,77 MJ/kg zrna při uvažované normě výsevu 220 kg/ha. Výpočet energetického obsahu osiva pšenice ozimé probíhá podle vzorce Energetický obsah prostředků ochrany rostlin (MJ/rok) = (množství spotřebovaného nakoupeného osiva v kg + množství spotřebovaného vlastního osiva v kg) * 11,77 MJ/kg zrna Budovy zemědělského podniku Stejně jako u strojů a zařízení se předpokládá, že staré budovy jsou odepsány (starší 25 let). Energetický výdaj se počítá na základě stáří budovy, zastavěné plochy (m 2 ), využívané plochy pro pšenici ozimou (%) a energetického ekvivalentu MJ/m 2 plochy využívané pro pšenici ozimou. Jeden energetický ekvivalent pro všechny druhy stavebních materiálů je sice značně zjednodušený a je odvozen z energie kalkulované u skladu na stroje a slámu, nicméně skladovací prostory jsou převažujícím typem budov využívaných pro produkci pšenice ozimé, a proto byl tento postup kalkulace vyhodnocen jako přijatelný. 44

46 Zemědělské stroje Energie ve strojích vyjadřuje průměrnou spotřebu energie na výrobu strojů a zařízení včetně energie na opravy a náhradní díly. Předpokládá se, že energie se po dobu životnosti stroje vkládá do výrobního procesu času provozu stroje spotřebovaného na danou operaci. Základním principem kalkulace nepřímých energetických vkladů ve strojích je přepočet normativní hmotnosti stroje dané kategorie a typu na hodnotu nepřímé energie obsažené ve strojích při zohlednění míry využití stroje pro produkci pšenice ozimé. Využití stroje na produkci pšenice ozimé se kalkuluje podle vztahu Využití stroje na produkci pšenice ozimé (%) = 100* využití stroje pro výrobu pšenice ozimé (mth/rok, ha/rok) / [očekávaná životnost stroje (roky) * celosezónní a celopodnikové využití stroje (mth/rok, ha/rok)] kde očekávaná životnost stroje (roky) se vypočítá podle vzorce Očekávaná životnost stroje (roky) = Rok šetření (nebo aktuální rok) rok výroby + plánovaná doba do vyřazení stroje z provozu (počet let) Výsledná energie ve strojích a zařízení se kalkuluje vynásobením energetického ekvivalentu (MJ/kg hmotnosti stroje) využitím stroje na produkci pšenice ozimé (%). Energie strojů a zařízení (MJ/rok) = koeficient (MJ/kg hmotnosti stroje) * % využití stroje na produkci pšenice ozimé V tabulce (Tabulka 42) uvádíme koeficienty (energetické ekvivalenty) potřebné pro výpočet energie obsažené ve strojích. Tabulka 42. Konverzní koeficienty pro výpočet energie obsažené ve strojích Kategorie stroje Hodnota Jednotka Traktory 95,7 MJ/kg Stroje na zpracování půdy 99,2 MJ/kg Secí stroje 95,4 MJ/kg Rozmetadla a postřikovače 95,4 MJ/kg Sklízecí mlátička 83,5 MJ/kg Sklizeň slámy 95,4 MJ/kg Doprava 83,5 MJ/kg Zdroj: PLANETE 45

47 Kalkulace emisí skleníkových plynů Potřeba kalkulovat emise skleníkových vyplynula především z Kjótského protokolu z roku 1997 a přijatých závazků zemí přistoupivších k rámcové dohodě snížit emise skleníkových plynů. Druhým závažným důvodem pro vytvoření modulu byl fakt, že zemědělství výrazným způsobem přispívá k emisím skleníkových plynů. Ačkoliv je často citován metan (CH 4 ) jako hlavní skleníkový plyn produkovaný živočišnou výrobou, produkci dalších skleníkových plynů (především oxidu uhličitého CO 2 a oxidu dusného N 2 O) není možné ponechat bez zájmu. Modul pro výpočet emisí skleníkových plynů z pěstování pšenice ozimé je doplňkovým nástrojem k energetické analýze výrobního procesu a jeho výsledky mají spíše orientační charakter. Protože je v rámci projektu řešena energetická bilance a efektivnost produkce pšenice ozimé, je kalkulace emisí skleníkových plynů zúžena na emise oxidu uhličitého (CO 2 ) a oxidu dusného (N 2 O). Hodnocení efektivnosti podnikových procesů z hlediska emisí skleníkových plynů se provádí pomocí koeficientů odvozených z normativních údajů Mezinárodního panelu expertů pro změnu klimatu (IPCC). V souladu s metodikou vyvinutou IPCC neovlivňuje výsledek analýzy oxid uhličitý vázaný pěstovanými rostlinami (prostřednictvím fotosyntézy), jelikož se předpokládá, že bude rychle vrácen do atmosféry a nikoliv skladován. Vodní pára, plyn s výrazným skleníkovým efektem, rovněž není započítávána. Všechny skleníkové plyny mají schopnost více či méně účinně zadržovat teplo, nemají ale stejnou schopnost globálního oteplování. Z tohoto důvodu byla schopnost globálního oteplování každého plynu vyjádřena v ekvivalentu CO 2, což je možno považovat za ukazatel shrnující v jediné hodnotě sdružený účinek skleníkových plynů. Emise skleníkových plynů v zemědělství mají v zásadě dva zdroje - nepřímé emise, způsobené výrobou a disponováním vstupy do výroby a trvalým majetkem (stroje, zařízení, budovy), a přímé emise, které pocházejí z obhospodařované půdy, z hnojení dusíkem a řízení statkových hnojiv. Konverzní koeficienty pro výpočet emisí skleníkových plynů jsou uvedeny v tabulce (Tabulka 43) (nepřímé emise). Přímé emise byly kalkulovány jako 2 % z aplikovaného množství minerálních hnojiv (PLANETE). Skleníkové plyny jsou poté přepočítány na ekvivalentní tunu oxidu uhličitého (CO 2 ) podle vztahů uvedených v tabulce (Tabulka 44). Je třeba zdůraznit, že emise z půdy (přímé emise) se mohou výrazně lišit od průměrné hodnoty podle jednotlivých půdních typů, klimatu a plodiny. Nelze však získat přesnější informace, lépe zohledňující místní specifika, jelikož výzkumy v této oblasti jsou teprve v počátečních fázích. 46

48 Tabulka 43. Konverzní koeficienty pro emisí skleníkových plynů Emise Koeficient Jednotka Emise CO 2 nafta, benzín, maziva 9,7 kwh/l propan-butan 12,8 kwh/kg zemní plyn 11 kwh/m 3 elektrická energie 1 kwh/kwh emise - nafta, benzín 259,8 kg CO 2 /1000 kwh emise propan-butan 223,7 kg CO 2 /1000 kwh emise - zemní plyn 191,3 kg CO 2 /1000 kwh emise - elektřina 93,2 kg CO 2 /1000 kwh emise - N 1,64 kg CO 2 /kg emise - P 2 O 5 1,91 kg CO 2 /kg emise - K 2 O 0,64 kg CO 2 /kg emise - CaO 0,15 kg CO 2 /kg emise - kejda 2,92 kg CO 2 /t emise - chlévská mrva 2,94 kg CO 2 /t emise - herbicidy 8,33 kg CO 2 /kg a.l. emise - insekticidy 23,70 kg CO 2 /kg a.l. emise - fungicidy 5,54 kg CO 2 /kg a.l. emise - ostatní pesticidy 8,00 kg CO 2 /kg a.l. emise - osivo 0,86 kg CO 2 /kg budovy 1780 kg CO 2 /m 2 na 80 let Emise N 2 O emise - N 9,466 g N 2 O/kg emise - P 2 O 5 0,040 g N 2 O/kg emise - K 2 O 0,009 g N 2 O/kg emise - CaO 0,004 g N 2 O/kg emise - kejda 0,099 g N 2 O/t emise - chlévská mrva 0,065 g N 2 O/t emise - herbicidy 0,225 g N 2 O/kg a.l. emise - insekticidy 0,627 g N 2 O/kg a.l. emise - fungicidy 0,151 g N 2 O/kg a.l. emise - ostatní pesticidy 0,220 g N 2 O/kg a.l. emise - osivo 0,019 g N 2 O/kg budovy 46,400 g N 2 O/m 2 na 80 let Zdroj: PLANETE 47

49 Tabulka 44. Koeficienty přepočtu na ekvivalentní CO2 Plyn (t/rok) Koeficient Jednotka CO 2 1 t CO 2 /rok N 2 O 310 t CO 2 /rok Zdroj: PLANETE Energetické hodnocení produkce pšenice ozimé Energetické hodnocení výrobního procesu pšenice ozimé má poskytnout celkový pohled na energetickou náročnost a energetický efekt pěstování pšenice ozimé. Při kalkulaci se vyčíslují přímé energetické vstupy (MJ/rok), nepřímé energetické vstupy (MJ/rok) a energetické výstupy (MJ/rok), které jsou pomocí konverzních koeficientů uvedených v tabulce (Tabulka 36) přepočítány na ekvivalent litru nafty (EQF). Výsledkem energetické analýzy pěstování pšenice ozimé jsou indikátory v tabulce (Tabulka 43). Následné hodnocení indikátorů probíhá v kontextu zvolených technologických výrobních postupů a ekonomické efektivnosti výroby. Tabulka 45. Indikátory energetické analýzy produkce pšenice ozimé Indikátor Jednotka Energetická bilance EFQ Spotřeba energie na ha pš. EFQ Energetická efektivnost koef. Podíl přímých energ. vstupů % Podíl nepřímých energ. vstupů % Emise CO 2 t/rok Emise N 2 O kg/rok Emise - ekvivalent CO 2 ekv. t CO 2 3. Analýza energetické efektivnosti pěstování pšenice v letech 2008 a 2009 s využitím revidované metodiky PLANETE Výsledky analýzy vztahu vyprodukované a vložené energie ve výrobním procesu pšenice ozimé poukazují na meziroční pokles v energetické bilanci a efektivnost. Příčinou poklesu jsou jednak nižší hektarové výnosy, na straně vstupů pak vyšší aplikace hnojiv a prostředků ochrany rostlin a větší množství vložených přímých energií (PHM). Ve výrobních podmínkách kukuřično-řepařské oblasti mají podniky následující relace mezi energetickými vstupy a produkcí. Z jedné jednotky vložené energie vyprodukují průměrně 5 jednotek energie obsažené v zrnu a slámě pšenice ozimé, přičemž hodnota se liší zejména v závislosti na hektarových výnosech v daném roce. Podle očekávání příznivější energetickou efektivnost dosahují podniky s lepšími půdně-ekologickými 48

50 právní forma právní forma podmínkami a větší výměrou pšenice (charakterizované zejména akciovými společnostmi nebo družstvy). Vyšší efektivnost je dosahována v letech s příznivějším průběhem počasí (2007/08). Z hlediska ÚCP a průměrné kvality půdy dosahují podniky s příznivějšími půdněekologickými podmínkami vyšších výnosů a tomu odpovídá i množství energie obsažené v pšenici na hektar. V případě třídění podniků podle právní formy je průměrně vyšší energetický výstup na hektar pšenice dosahován u větších zemědělských podniků. Přehled o energetických a ekonomických výstupech pěstování pšenice ozimé v přepočtu na hektar sklizňové plochy v podnicích s různými právními formami uvádějí následující tabulky. Tabulka 46. Kvantifikace energetického výstupu při produkci pšenice v letech v třídění podle právní formy Energetický výstup Zrno + sláma (GJ/ha) 2007/ /09 akciová společnost 126,09 115,57 společnost s r.o. 107,12 105,32 jiná společnost 85,07 82,93 družstvo 116,01 115,42 fyzická osoba 93,85 93,63 Celkem 115,58 110,24 Zdroj: Výběrové šetření 2009 Tabulka 47. Výnosy pšenice v letech v třídění podle právní formy Produkce Hlavní produkt (Kč/ha) 2007/ /09 akciová společnost společnost s r.o jiná společnost družstvo fyzická osoba Celkem Zdroj: Výběrové šetření 2009 Nižší energetický výstup na hektar v roce 2009 proti roku 2008 souvisel z velké části s méně příznivým průběhem počasí pro pěstování pšenice a rozdíl představoval pouze necelých 5 %. Naproti tomu ekonomický výstup (produkce pšenice) kalkulovaný jako množství sklizeného zrna násobené průměrem cen zemědělských výrobců za potravinářskou a krmnou pšenici v srpnu příslušného roku představoval v roce 2009 pouze 62 % úrovně roku Energie obsažená ve vstupech je v průměru vyšší u větších zemědělských podniků; tyto subjekty aplikují větší dávky hnojiv, POR a přímých energií PHM na hektar pšenice. Mírně vyšší dávky osiva na hektar však použily podniky s menší výměrou pšenice 49

51 hospodařící na půdách s nižší průměrnou ÚCP, pravděpodobně z důvodu snahy o částečnou kompenzaci horších půdně-ekologických podmínek. Energie obsažená v hnojivech byla v přepočtu na hektar vyšší u podniků s větší výměrou pšenice hospodařících na kvalitnějších půdách, což sice neodpovídá potřebě kompenzovat horší produkční potenciál půdy, ale závislost odpovídá vyšším výnosům dosahovaných v produkčně příznivějších oblastech. Zajímavé jsou hodnoty energetických vstupů strojů. Vyšší energii obsaženou ve strojích na hektar pšenice vykazují podniky s menší výměrou pšenice ozimé (více než dvojnásobný obsah energie v porovnání s podniky s větší výměrou). Tento ukazatel vyjadřuje podíl využití stroje na výrobu pšenice v daném roce z celosezónního a celopodnikového využití stroje během celé doby životnosti stroje. Příčin může být hned několik jak nižší míra využívání vlastní zemědělské techniky u menších podniků, tak rezervy ve využití její kapacity. Energie vstupující formou dodavatelských služeb (zpracování půdy, sklizeň atd.) je vyšší u podniků fyzických osob a s.r.o, tedy obecně podniků s nižší průměrnou výměrou využívané zemědělské půdy. Přehled o jednotlivých energetických vstupech v přepočtu na hektar sklizňové plochy pšenice v podnicích s různými právními formami uvádí následující tabulka: Tabulka 48. Struktura energetických vstupů (GJ/ha) při výrobě pšenice v třídění podle právní formy hnojiva a přímé osivo stroje služby Celkem POR energie 07/ 08/ 07/ 08/ 08/ 07/08 08/09 07/08 08/09 07/08 08/09 07/ A.s. 1,98 1,92 14,61 14,84 0,40 0,38 5,32 6,17 0,16 0,19 22,47 23,5 S.r.o. 2,08 1,89 14,37 16,93 0,54 0,48 4,16 4,16 0,23 0,23 21,39 23,7 Družstvo 1,66 1,88 13,66 14,59 0,47 0,49 5,88 5,99 0,13 0,15 21,80 23,1 FO 1,42 1,71 12,59 11,00 0,66 0,47 4,61 5,07 0,25 0,29 19,53 18,5 Celkem 1,90 1,88 14,16 15,06 0,48 0,44 5,03 5,41 0,18 0,20 21,75 23,0 Zdroj: Výběrové šetření 2009 Výsledky ekonomické bilance pěstování pšenice ozimé signalizují zhoršení situace v letech 2007/08 a 2008/09. Výše podílu výstupu ke vstupům v peněžním vyjádření (kolik Kč v produkci vygeneruje 1 Kč nákladů, v tomto případě příspěvek na pokrytí pracovních nákladů a režie) byla v roce 2007/08 v průměru 1,77 a v roce 2008/09 jen 1,11. Jedná se pouze o dílčí ekonomickou efektivnost, která nezahrnuje významné další vstupní náklady z externích faktorů (mzdové náklady, nájemné, služby a nákladové úroky), na druhé straně však ani provozní dotace. Z pohledu podniků tříděných podle výměry pšenice ozimé na větší a menší je vyšší ekonomická bilance u větších zemědělských podniků. Důvodem jsou vyšší výnosy a větší objem realizované produkce na hektar, tj. vyšší hodnota produkce na hektar. Na straně vstupů nejsou významné rozdíly v průměrných nákladech na hektar u obou sledovaných velikostních kategorií. V roce 2007/08 byly mírně vyšší náklady na hektar u podniků s větší výměrou, v roce 2008/09 naopak u podniků s menší výměrou pšenice. 50

52 Z hlediska intervalů průměrné ÚCP jsou vyšší náklady na osiva, hnojiva a POR u podniků hospodařících v příznivějších půdně-ekologických podmínkách. Naopak náklady na přímé energie (zejm. PHM) jsou mírně vyšší u podniků s horšími půdně-ekologickými podmínkami. Přehled o dílčích ekonomických vstupech v přepočtu na hektar sklizňové plochy pšenice v členění dle právních forem podniku uvádí následující tabulka: Tabulka 49. Struktura vstupů (Kč/ha) při výrobě pšenice v třídění podle právní formy hnojiva a osivo stroje přímé energie Celkem POR 07/08 08/09 07/08 08/09 07/08 08/09 07/08 08/09 07/08 08/09 A.s S.r.o Družstvo FO Celkem Zdroj: Výběrové šetření 2009 Graf 1 a Graf 2 zobrazují závislosti energetické efektivnosti (podíl energetických výstupů na vstupech) a dílčí ekonomické efektivnosti (podíl výstupů a vstupů v peněžním vyjádření). Z grafů vyplývá pozitivní vztah se spíše středně těsnou závislostí. Graf byl rozdělen do čtyř kvadrantů podle energetické a dílčí ekonomické efektivnosti. Podniky, které spadají do kvadrantu s nejvyšší dílčí ekonomickou a energetickou efektivností bylo v roce 2007/08 celkem 17 (v grafu vyznačeno červeně), z toho 9 podniků má výměru vyšší, než medián souboru, 10 podniků hospodaří na půdě s nadprůměrnou ÚCP, 12 podniků tvoří obchodní společnosti (a.s., s.r.o.) Podniky, které vykazují naopak nízkou dílčí ekonomickou efektivnost i nízkou energetickou efektivnost je v souboru za rok 2007/08 celkem 13, z toho 6 podniků má výměru vyšší, než medián souboru, 7 podniků hospodaří na půdě s nadprůměrnou ÚCP, 9 podniků tvoří obchodní společnosti (a.s., s.r.o.) Obdobné statistiky by bylo možné počítat i pro rok 2008/09, nicméně struktura obou uvedených skupin ( úspěšní, neúspěšní ) je velice variabilní a není možné konstatovat závěry o převažujícím typu podniků v uvedených skupinách podniků. Důležitá je také variabilita výsledků, která indikuje značné rezervy v ekonomických i energetických aspektech hospodaření zemědělských podniků všech právních forem i velikostních kategorií. Nejvíce podniků se vyskytuje v druhém a třetím kvadrantu, tj. buď jsou efektivní po stránce ekonomické i energetické nebo nikoliv. Podniky, které by byly efektivní po jedné stránce a neefektivní v druhé, jsou spíše výjimkou. 51

53 DÍLČÍ EKONOMICKÁ EFEKTIVNOST Výstupy (Kč/ha) / vstupy (Kč/ha) DÍLČÍ EKONOMICKÁ EFEKTIVNOST Výstupy (Kč/ha) / vstupy (Kč/ha) Graf 1. Závislost energetické a ekonomické efektivnosti (2007/08) v produkci pšenice Závislost energetické a ekonomické efektivnosti (2007/08) y = 0,1949x + 0,7353 R 2 = 0,3779 4,0 3,5 3,0 Vysoká dílčí ekonomická efektivnost Nízká energetická efektivnost Vysoká dílčí ekonomická efektivnost Vysoká energetická efektivnost 2,5 2,0 1,5 1,0 0,5 Nízká dílčí ekonomická efektivnost Nízká energetická efektivnost 0,0 0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 6,5 7,0 7,5 8,0 8,5 9,0 9,5 10,0 10,5 11,0 Zdroj: Výběrové šetření 2009 ENERGETICKÁ EFEKTIVNOST Výstupy (GJ/ha) / vstupy (GJ/ha) Nízká dílčí ekonomická efektivnost Vysoká energetická efektivnost Graf 2. Závislost energetické a ekonomické efektivnosti (2008/09) v produkci pšenice Závislost energetické a ekonomické efektivnosti (2008/09) y = 0,1697x + 0,2621 R 2 = 0,5842 3,00 2,50 2,00 1,50 1,00 0,50 0,00 0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00 10,00 11,00 12,00 Zdroj: Výběrové šetření 2009 ENERGETICKÁ EFEKTIVNOST Výstupy (GJ/ha) / vstupy (GJ/ha) 52

54 Na základě dotazníkového šetření byla kvantifikována energetická a ekonomická bilance produkce pšenice ozimé v hospodářských letech 2007/08 a 2008/09. Pro výpočet energetické efektivnosti byla použita revidovaná metodika systému PLANETE. Z úvodní analýzy vyplývá, že existuje vzájemná korelace energetické a ekonomické efektivnosti. Důležitou otázkou k zodpovězení zůstává, jaké jsou zdroje variability v těchto neefektivnostech. Pro odhalení dalších závislostí mezi energetickými a ekonomickými souvislostmi byly odhadovány produkční (nákladové) funkce a s využitím statistických metod sledovány možné vysvětlující proměnné, které jsou předmětem následující kapitoly. 3.1 Energetická efektivnost a stínové náklady snížení energetické spotřeby výroby pšenice ozimé Energetická efektivnost je poměrový termín, který udává podílově nebo procentuálně, o kolik je daná technologie, či individuální chování více úsporné ve spotřebě energie na výrobu stejné úrovně energetického výstupu či služby ve srovnání s jinými. To je v souladu s přístupem Diesendorfa (2007), podle kterého dochází ke zlepšování energetické efektivnosti při snižování spotřeby energie na stejnou úroveň energetické služby (energetického výstupu), kterou může být vytápění či klimatizování domovních prostorů, osvícení, nebo energetická hodnota plodin v případě zemědělské produkce. Podle Diesendorfa může mít technologie podstatně větší dopad pro energetickou efektivnost než individuální chování. Pojem energetická efektivnost se liší od pojmu (a) energetická udržitelnost (energy sustainability), který zahrnuje kromě minimalizace energetického vstupu zároveň maximalizaci energetického výstupu, především při výrobě obnovitelné energie, a od pojmu energetická úspornost (energy conservation), který obsahuje kromě minimalizace energetického vstupu zároveň minimalizaci spotřeby energetického výstupu a to především změnou spotřebitelského chování (Prindle et al. 2007; Diesendorf 2007). V této části zprávy se budeme věnovat otázce energetické efektivnosti a specifikaci přístupu jejího možného měření, neboť předmětem následné aplikace bude analýza energetické efektivnosti různých technologických praktik ve výrobě konvenčních zemědělských plodin, u kterých je relevantní otázkou minimalizace energetických vstupů. Za tímto cílem jsme využili metodiku Coelliho a kol. (2007) pro modelování environmentální efektivnosti za podmínky materiální rovnováhy v zemědělské produkci. 3.2 Úprava základního předpokladu pro modelování energetické efektivnosti Model Coelliho a kol. (2007) je jeden z modelů zabudovávajících míru environmentálního znečištění do standardních modelů pro měření produkční 53

55 efektivnosti. Na rozdíl od jiných modelů však autoři doplňují předpoklad, že vše, co vstupuje do produkce v transformované formě z ní i vychází. Tento předpoklad nazývají podmínkou materiální (nutriční) rovnováhy, která v situaci, ve které firma vyrábí výstupy M K y, y R, o počtu m = 1,2,...,M, ze vstupů x, x R, o počtu k = 1,2,...,K a při které dochází k emisi znečišťujícího vedlejšího produktu z může být vyjádřená následovně: z = a x b y. Zde a a b jsou vektory známých nezáporných konstant nutričních (materiálových) hodnot o rozměrech K 1 a M 1. Tato rovnováha materiálních toků nabízí racionální vysvětlení toho, proč negativní emise (znečištění) spojené s výstupem z produkce mohou být modelovány minimalizací vstupů a jejich emisních hodnot. S poměry emisních hodnot vstupů zacházejí obdobně jako s poměry cen v konceptech nákladových modelů a jsou tak schopni určit bod environmentální efektivnosti se dvěma složkami technickou a alokační. Právě tato charakteristika tohoto modelu je atraktivní kvalitou adaptovatelnou na případ energetických poměrů vstupů a energetické efektivnosti. Na rozdíl od modelování environmentálního znečištění spojeného s emisemi na výstupech je minimalizace vstupů v případě energetické efektivnosti intuitivním principem. Tento lze přesto podložit úvahou o tocích a transformaci energií v procesu výroby zemědělského produktu. Proces zemědělské výroby spotřebovává energie, které se pouze z části transformují do energie obsažené ve výstupech, část energií zůstává nevyužitá. Velká část převážně nepřímých energií, např. ve formě strojů a zařízení, je ve výrobním procesu využívána jako energie podporující efektivnější transformaci a využití obnovitelné energie (např. světelné a tepelné sluneční energie) a sama zůstává nepřeměněná ve výrobním procesu (Jones 1989). Lepší využití energií existujících například v půdě podporuje také její příprava a průběžný půdní management. Určitá část nepřímých energií, např. obsažených v hnojivech může zůstat obsažena v půdě a představovat negativní externalitu. Negativní či pozitivní externality však nejsou hlavním předmětem této studie. Hlavním zájmem je zjistit možný rozsah a způsoby eliminace nevyužité energie vkládané do výrobního procesu, jimiž dochází jak k redukci znečištění životního prostředí tak i k úspoře omezených neobnovitelných zdrojů energie. Jestliže do výrobního procesu vstupuje x 1 množství neobnovitelných přímých zdrojů energie/vstupů (počet x 1 vstupů se rovná k, k = 1, 2,..., K), x 2 množství neobnovitelných nepřímých zdrojů energie/vstupů (počet x 2 vstupů se rovná l, l = 1, 2,..., L), a x 3 množství obnovitelných zdrojů energie (počet x 3 vstupů se rovná m, m = 1, 2,..., M) na výrobu y množství výstupu (počet výstupů se rovná n = 1, 2,..., N), pak tuto nevyužitou energii (u) u a můžeme vyjádřit jako 1x1 a 3x3 b y a 2x2. V této rovnici vyjadřují a 1, a 2, a 3 a b vektory nezáporných známých konstant pro množství energie na jednotku daného vstupu a výstupu o rozměrech K 1, L 1, M 1 a N 1. K tomu, aby byla redukována nevyužitá energie pro výrobu daného výstupu y, je nutné minimalizovat úroveň vstupů x 1, x 2, a x 3 a přizpůsobit jejich kombinaci poměrům jejich energetických konstant. 54

56 3.3 Odvození ukazatele energetické efektivnosti M Podobně jako výše budeme uvažovat, že firma vyrábí vektor s výstupy y, y R, K o počtu m = 1,2,...,M, ze vstupů x, x R, o počtu k = 1,2,...,K. Množina realizovatelné (dosažitelné) produkce T je pak definovaná následovně: T = { y, x R M K x může vyprodukovat y}, (1) kde produkční technologie se předpokládá být konvexní a nerostoucí ve vstupech, neklesající ve výstupech a vyhovuje podmínce strong disposibility 6 ve vstupech a výstupech. Dále definujeme měřítko nevyužité (netransformované) energie vstupující do výrobního procesu jako p, kde p R, která staví na energetické rovnováze a je lineární funkcí vektorů výstupů a vstupů. Její zápis je následující: p = a x b y, (2) kde a a b jsou vektory známých nezáporných konstant energetických hodnot obsažených v jednotce vstupu a v jednotce výstupu o rozměrech K 1 a M 1. Jestliže předpokládáme, že sektor zemědělství produkuje poptávané množství konvenční produkce, tzn. množství produkce je dané, pak rozhodující otázkou pro konstrukci našeho modelu je: Jaké množství a jaká kombinace vstupů by vedla k nejnižší možné úrovni nevyužité energie vstupující do výroby daného množství výstupu? Jinými slovy: O jaký podíl je možné snížit spotřebu energie pro výrobu daného množství výstupu. Model Coelliho a kol. (2007) nabízí řešit obdobnou otázku redukce znečišťujícího nutričního přebytku principem minimalizace nákladů. V našem případě můžeme minimalizovat množství nevyužité energie při produkci daného výstupu (tj. při konstantním b y) minimalizací agregované energie obsažené ve vstupech (E = a x). Pak K při znalosti vektoru k energických hodnot na jednotku vstupů (k = 1,2,...,K), a R, lze definovat minimalizaci agregované energie pro výrobu vektoru daných výstupů jako: E y, a min a x x, y T x. (3) Vektor minimálního množství vstupů pro vektor daných výstupů y můžeme označit jako x e. Při této úrovni vstupů též dochází k minimalizaci celkové agregované energie vstupující do výrobního procesu. Ta se rovná a x e. Poměr této minimální možné 6 Produkční funkce je neklesající v celém svém rozsahu. 55

57 agregované energie a skutečně pozorované energie, a x, představuje energetickou efektivnost dané výroby při dané technologii, kterou označíme jako EE. EE a xe a x (4) Energetická efektivnost bude nabývat hodnoty mezi nulou a jednou, přičemž hodnota rovná jedné bude vyjadřovat plnou energetickou efektivnost výroby. Ta znamená, že při dostupné technologii není možné vyprodukovat daný výstup s nižší energetickou spotřebou než s pozorovanou úrovní a kombinací vstupů. Tuto energetickou efektivnost lze rozložit na dva komponenty technickou a alokační energickou efektivnost. Hlavní výhodou tohoto rozložení je to, že v případě, že známe ceny vstupů, můžeme stanovit vektor vstupů při nichž je produkce nejvíce energicky efektivní. V případě ekonomické efektivnosti za předpokladu znalosti cen vstupů můžeme určit vektor vstupů, při nichž je nejméně nákladná. Porovnáním nákladů produkce v obou těchto bodech můžeme stanovit stínové náklady energicky efektivní úrovně vstupů. Tento koncept je detailněji vysvětlen níže. Použitím Farellova konceptu technické efektivnosti z roku 1957 můžeme stanovit radiální vzdálenost pozorovaného vektoru vstupů od vektoru vstupů, který by ležel na hranici technických (produkčních) možností, tj. od vektoru vstupů s nejnižším množstvím vstupů, kterých je možno dosáhnout při jejich stejných poměrech. Tento technicky efektivní vektor vstupů označíme jako x t. Budeme usilovat o proporcionální zmenšování vektoru pozorovaných vstupů až do doby, kdy bude projektován na hranici produkčních možností. Toho dosáhneme vyřešením následujícího optimalizačního problému, při němž hledáme parametr, kterým můžeme snížit všechny vstupy současně: TE y, x min x, y T, (5) kde θ je skalár, který nabývá hodnoty mezi nulou a jednou. Technicky efektivní vektor vstupů se vypočítá jako x t = θx. S touto úrovní vstupů pak koresponduje technicky efektivní hodnota energie ve vstupech a x t. Tyto tři vektory vstupů pozorovaný, technicky a energeticky efektivní mohou být demonstrovány na jednoduchém grafu se dvěmi vstupními proměnnými (Graf 3). Znázorněná izokvanta představuje křivku technických (produkčních) možností, tzv. hraniční křivku. Na této křivce a od ní napravo se mohou nacházet pozorované vektory vstupů x 1 a x 2. Jeden z těchto pozorovaných vektorů je ilustrativně znázorněn. Proporcionální projekcí tohoto vektoru na hraniční křivku získáme technicky efektivní vektor vstupů (x 1t, x 2t ). Energetické hodnoty jednotek vstupů do grafu vstupují prostřednictvím sklonu izoenergetické přímky (analogicky k izonákladové přímce 56

58 v případě minimalizace nákladů). Izoenergetickou přímku lze v tomto jednoduchém případě dvou vstupů zapsat následovně: E = a 1 x 1 + a 2 x 2. (6) Tu lze po úpravě vyjádřit jako: x E a 2 1 x2 a1 a1 (7) V souladu s tímto odvozením mají izoenergetické přímky (Graf 3) průsečík roven E/a 1 a (shodný) sklon roven záporné hodnotě poměru energetických obsahů v jednotce vstupů. Je zřejmé, že izoenergetické přímka, která probíhá pozorovaným bodem (x 1, x 2 ) má větší průsečík a tím prezentuje vyšší energetickou spotřebu než izoenergetická přímka, která probíhá bodem s minimální energetickou hodnotou (x 1e, x 2e ). Energeticky efektivní kombinace vstupů (x 1e, x 2e ) je úrovní vstupů při níž dochází k minimalizaci spotřeby energie, protože v tomto bodě je izoenergetická přímka tečnou k hranici prostoru produkčních možností. Graf 3. Minimalizace energetické spotřeby x 1 izokvanta (x 1, x 2 ) izoenergetická přímka a x (x 1t, x 2t ) izoenergetická přímka a x t izoenergetická přímka a x e (x 1e, x 2e ) 0 x 2 Zdroj: Upravený graf Coelliho a kol. (2007) Jak již bylo výše zmíněno, energetickou efektivnost lze rozložit na dva komponenty: část, kterou lze přisoudit technické efektivnosti (TE) a část, která vzniká díky energetické alokační efektivnosti (EAE), přičemž 57

59 x a x TE a x a x a t (8) a EAE a x a e x t. (9) EAE se v podstatě vztahuje k dosažení optimální kombinace vstupů při daných relacích jejich energetických hodnot, zatímco TE se vztahuje k produkování výroby vzhledem k hranici technicky-produkčních možností. Všechny tři ukazatele nabývají hodnoty mezi nulou a jednou, přičemž hodnota jedna udává plnou efektivnost. Je vhodné uvést, že mezi těmito třemi ukazateli efektivnosti existuje následující vztah: EE = TE EAE. (10) V případě, že jsou k analýze dostupné i informace o cenách vstupů, je možné aplikovat obdobný postup a identifikovat bod, ve kterém by byly minimalizovány náklady (v kontrastu ke spotřebě energie). Z porovnání pozorovaných nákladů a možných minimálních nákladů by bylo možné odvodit míru nákladové efektivnosti (CE) opět se dvěma komponenty: technickou a alokační efektivnosti (AE). Graf 4 rozšiřuje předchozí graf o izonákladové přímky pomocí nichž je možné zobrazit bod s úrovní vstupů x 1 a x 2 spojenou s minimálními náklady výroby. Tyto jsou označené jako x 1c a x 2c. Dále K používáme zápis w pro vektor cen vstupů, přičemž w R. Pomocí vektoru vstupů s minimální úrovní energetické spotřeby a vektoru cen lze odvodit úroveň nákladů na energeticky nejúspornější výrobu daného množství produktu (w x e ). Rozdíl mezi těmito náklady na energeticky nejúspornější výrobu a minimálními náklady (w x e w x c ) poskytuje informaci o nákladech nutných na změnu kombinace vstupů s minimálními náklady na kombinaci vstupů s největší možnou energetickou úsporou. Tuto hodnotu je též možné interpretovat jako stínové náklady snížení energetické spotřeby. Dále je možné odvodit další zajímavou informaci. Z vektoru vstupů s minimální úrovní nákladů a informace o hodnotách energetického obsahu ve vstupech lze zjistit úroveň vložené energie do výroby daného výstupu při minimálních nákladech (a x c ). Rozdíl mezi energií spotřebovávanou v bodě kombinace vstupů s minimálními náklady na produkci a v bodě kombinace vstupů s minimální spotřebou energie na produkci (a x c a x e ) umožňuje identifikovat nadbytečnou spotřebu energie způsobenou optimalizací nákladů k relativním cenám vstupů. Jinými slovy lze tento indikátor vyjádřit jako nadbytečná spotřeba energie, kterou by bylo možné eliminovat přizpůsobením relace cen vstupů (např. zdaněním), která by motivovala minimalizaci spotřeby energie na výrobu daného výstupu. Je zřejmé, že tyto dva body, kombinace vstupů minimalizující náklady a minimalizující spotřebu energie, se budou shodovat, jestliže poměry cen vstupů budou upraveny tak, že w = δa, kde δ je pozitivní skalár (v tomto případě mají izonákladové a izoenergetické přímky stejný sklon). 58

60 Graf 4. Náklady a přínosy minimalizace energetické spotřeby x 1 izokvanta (x 1, x 2 ) izoenergetická přímka a x (x 1t, x 2t ) izoenergetická přímka a x t (x 1e, x 2e ) (x 1c, x 2c ) izoenergetická přímka a x e izonákladová přímka w x e izonákladová přímka w x c 0 x 2 Zdroj: Upravený graf Coelliho a kol. (2007) Ilustrativní příklad (Graf 4) představuje situaci, v níž technicky efektivní vektor vstupů leží nalevo od energeticky i nákladově optimálního bodu kombinace vstupů. Změnou vektoru vstupů směrem k energeticky optimálnímu vektoru vstupů pak bude zároveň docházet ke zlepšení nákladové efektivnosti výroby. Může však nastat i situace, kdy technicky efektivní bod bude ležet na hraniční křivce mezi energeticky a nákladově optimálním bodem. V tomto případě by zlepšování výroby posunem na hraniční křivce (alokačně) v energetickém smyslu znamenalo zhoršování její nákladovosti. Zlepšování technické efektivnosti by však v tomto i předchozím případě vedlo ke zlepšování jak energetické tak i nákladové efektivnosti. 3.4 Metoda odhadu energetického a nákladového optima produkce Zvolenou metodou měření výše uvedených ukazatelů energetické a nákladové efektivnosti je Data Envelopment Analysis (DEA), která představuje metodu lineárního programování specificky vytvořenou k měření technické a ekonomické efektivnosti. Jedná se o neparametrickou metodu identifikace produkční hranice (technického potenciálu výroby), která "obaluje" data tak, že všechna pozorování produkční úrovně leží pod tímto obalem. Tento konvexní obal zároveň splňuje axiomy produkční teorie. DEA program má pak za cíl stanovit vzdálenost mezi pozorovanou produkcí z daných vstupů podniku a odpovídající hraniční (optimální či maximální) úrovní produkce (outputově orientovaná DEA) nebo vzdálenost mezi pozorovaným množství užitých 59

61 vstupů podniku při konstantní úrovni výroby a optimální (minimální) úrovní vstupů k dané produkci (inputově orientovaná DEA). Cílovou funkci, kterou lineární program DEA optimalizuje při řešení inputově orientované technické efektivnosti (TE) za podmínky konstantních výnosů z rozsahu, která je použita i v této studii, lze zapsat následovně (podle Coelliho a kol., 1998): min, (11) za podmínky y Y 0, x X 0, i i 0, (12) přičemž vektory x i a y i představují K vstupy a M výstupy z produkce i-tého podniku, kde i = 1, 2,..., I, tzn. I je celkový počet podniků. X je K I matice vstupů a Y představuje M I matici výstupu z produkce. Písmeno λ representuje vektor konstant I 1. θ je skalár (θ 1), který přímo representuje technickou efektivnost každého pozorování, a λ je I 1 vektor konstant. Hodnota θ rovná jedné odpovídá bodu na produkčním obalu, tj. plné technické efektivnosti. Jak bylo uvedeno výše, TE je součástí jak celkové nákladové efektivnosti tak i energetické efektivnosti. Tyto dva ukazatele efektivnosti jsou déle stanoveny odděleně. Nákladově minimalizační program, který je použit pro stanovení ekonomické efektivnosti je možno zapsat následovně: n min, n ( w i xi ), xi (13) za podmínky y Y 0, x n i i X 0, 0, (14) kde w i představuje vektor cen vstupů i-tého podniku a x i n je vektor množství vstupů i-tého podniku při němž je dosaženo minimální úrovně nákladů. Celková nákladová efektivnost je následně počítána jako podíl minimálních nákladů a pozorovaných nákladů na výrobu dané úrovně produkce pro každý podnik. Tento vztah lze vyjádřit následovně: CE i w x / w x i n i i i (15) 60

62 Cílovou funkci pro stanovení minimální spotřeby energie při dané úrovni produkce lze vyjádřit obdobně jako v případě celkové nákladové efektivnosti následovně: e min, xie( a ixi ), (16) za podmínky y Y 0, x e i i X 0, 0, (17) přičemž a i je K 1 vektor energetických koeficientů v jednotlivých vstupech použitých pro danou produkci i-tého podniku a x i e je vektor množství vstupů i-tého podniku, při kterém je spotřeba energie ve vstupech minimální. Celkovou energetickou efektivnost lze pak vyjádřit jako podíl minimální spotřeby energie ve vstupech k pozorované spotřebě energie ve vstupech použitých na výrobu dané úrovně produkce podniku. EE i a x / a x i e i i i (18) Alokační efektivnosti jsou počítány jako poměr celkové nákladové efektivnosti a technické efektivnosti, tj. CAE i = CE i /TE i, a podíl celkové energetické efektivnosti a technické efektivnosti, tj. EAE i = EE i /TE i. K řešení uvedených matematických programů jsme využili počítačový program DEAP (Coelli, 1996). 3.5 Data a definice proměnných Vstupní data pocházejí z výběrového šetření provedeného mezi zemědělskými podniky v roce Šetření bylo zaměřeno na ekonomické a energetické vazby pěstování pšenice ozimé (podrobný popis viz kap. 1). Vstupní proměnné do modelu a způsob jejich konstrukce byl následující: Vstupní proměnné do nákladové a energetické funkce Osivo Hnojiva a POR Náklad v Kč Energetický vstup v GJ Náklad v Kč Energetický vstup v GJ Součet vlastního, resp. nakoupeného množství osiva v kg * cena vnitropodniková resp. nákupní (Kč) Součet vlastního a nakoupeného množství osiva v kg * energetický koeficient Součet všech minerálních hnojiv (t) resp. prostředků ochrany rostlin (l) * cena příslušného hnojiva (Kč/t) resp. prostředku na ochranu (Kč/l) Součet všech minerálních hnojiv (t) resp. prostředků ochrany rostlin (l) * příslušný energetický koeficient 61

63 Stroje Ostatní náklady Produkce Náklad v Kč Energetický vstup v GJ Náklad v Kč Energetický vstup v GJ Produkce v Kč Produkce energie v GJ Náklady na odpisy podle účetnictví (ve výši individuálního podílu pšenice na orné půdě) Součet individuálních nepřímých energií v 1 tuně stroje v podílu odpovídajícímu jednoročnímu využití pro pšenici Naturální spotřeba PHM a elektrické energie při pěstování pšenice (individuální jednotky) * příslušná cena vstupu (Kč/jednotka) Naturální spotřeba PHM a elektrické energie při pěstování pšenice * příslušný energetický koeficient Výnos zrna (tuny) * průměrná cena pšenice ve vzorku (Kč/t) Výnos zrna a slámy (tuny) * příslušný energetický koeficient (GJ/t) Specifické kvalitativní výchozí proměnné (uplatňované jako vysvětlující proměnné v modelech efektivnosti) Posouzení teplot ve vymezených fázích vegetace Binární 0, 1 příliš nízká Posouzení vláhového režimu ve vymezených fázích vegetace Binární 0, 1 příliš vysoká Posouzení celkových klimatických podmínek ve vymezených fázích vegetace Svažitost pozemku 62 Ordinární Kategorická Poničení porostu v důsledku nepřízně počasí Binární 0,1=Ano Procentuální redukce výnosu v důsledku počasí Numerická % Placené nájemné z 1 ha půdy Numerická Kč/ha Nadmořská výška pozemků Numerická M Podíl organické hmoty v půdě Způsoby aplikovaného hnojení (předseťové, produkční, regenerační každý způsob hodnocený zvlášť) Investiční opatření při produkci pšenice (pořízení dopravních prostředků, traktorů a nakladačů s lepšími technologickými vlastnostmi každé opatření hodnocené zvlášť) Neinvestiční opatření (zvýšení užitné hmotnosti strojů, zkrácení přepravních vzdáleností, zdvoj. prac. záběr, kombinace hnojiv a POR, hnojení kejdou) Kategorická Binární Binární Binární 1 nedostačující 3 nadměrné 1. < 3 %, %, %, 4. > 12 % 1. < 2 %, %, 3. >4 %, 4. nevím 0,1=Ano 0,1=Ano 0,1=Ano Konvenční zpracování půdy, setí samostatně Binární 0,1=Ano Půdoochranný postup s omezeným zpracováním půdy Binární 0,1=Ano Půdoochranný postup, setí spojeno s mělkým kypřením Binární 0,1=Ano Péče o techniku v podniku Ordinární 1 4=velmi dobrá Využívání provozních a technických možností strojů Ordinární 1 4=velmi dobrá Využívání technických a inovačních prvků Ordinární 1 4=velmi dobrá Míra optimálního načasování technologických operací Ordinární 1 4=velmi dobrá Celková výměra orné půdy Numerická Ha Právní forma Kategorická 1 a.s., 2 s.r.o., 3 jiná obchodní, 4 družst., 5 FO

64 Počet vlastníků Počet pracovníků Numerická Numerická Podíl rostlinné výroby na celkových tržbách Numerická % Pozn. konkrétní specifikace proměnných v jednotlivých modelech se může měnit (např. ordinární vs. binární). 3.6 Empirické výsledky Analýza energetické a nákladové efektivnosti Výsledky analýz efektivností vyjadřují, že v průměru za podniky v souboru by bylo možné snížit energetickou spotřebu ve výrobě pšenice ozimé o 46% v hospodářském roce 2007/08 a o 52% v hospodářském roce 2008/09. Celkové náklady výroby pšenice by pak bylo možné v průměru snížit o 40% v hospodářském roce 2007/08 a o 49% v hospodářském roce 2008/09. Vyšší hodnoty nákladové efektivnosti ve srovnání s energetickou efektivností potvrzují očekávání, že podniky jsou orientované spíše na ekonomické cíle než snižování energetické spotřeby. Je nutné připomenout, že se jedná o indikátory, které uvažují konstantní úroveň produkce při minimalizaci nákladů a energetické spotřeby ve vstupech. Z hodnot technické a alokačních efektivností vyplývá, že zdrojem výše zmíněných neefektivností je především technická (produkční) neefektivnost. V hospodářském roce 2008/09 má téměř 65% celkové nákladové neefektivnosti svůj původ v technické neefektivnosti. Tento podíl je menší v případě energetické neefektivnosti, ve které technická neefektivnost tvoří 59%. 41% energetické neefektivnosti připadá na energetiky neefektivní kombinaci vstupů (alokační neefektivnost). V předcházejícím roce je tento podíl vyrovnaný. Úroveň technické efektivnosti vyjadřuje, že průměrný producent pšenice ozimé využívá svého produkčního potenciálu ze 74% v prvním a ze 64% ve druhém sledovaném období. Po převodu na technickou neefektivnost (1-TE) tento ukazatel vyjadřuje, že průměrný producent pšenice ozimé by byl potenciálně schopen snížit množství vstupů bez změny jejich relativního poměru a při zachování daného množství produkce o 26% v prvním období a 36% v druhém období. Hodnota minimální technické efektivnosti v souboru v roce 2008/09 udává, že rozdíl v nákladech z důvodu technické neefektivnosti mezi nejhorším a nejlepším producentem je extrémních 72% (v hosp. roce 2008/09). Přestože se rozdíly v technické výkonosti mezi producenty přičítají především rozdílům v jejich manažerských schopnostech, je potřeba uvést, že úroveň měřené technické efektivnosti (i alokační efektivnosti) může částečně reflektovat rozdíly ve výrobních podmínkách mezi producenty. Tyto se také mohou lišit mezi hospodářskými roky, což by částečně vysvětlovalo rozdíly v ukazatelích efektivnosti mezi hospodářskými roky 2007/08 a 2008/2009. Proto se v části blíže věnujeme analýze možného vztahu mezi úrovněmi jednotlivých ukazatelů efektivností a proměnnými aproximujícími rozdílné výrobní podmínky. 63

65 Tabulka 50. Hodnoty energetické a nákladové efektivnosti výroby pšenice ozimé v českých farmách v hospodářských letech 2007/08 a 2008/09 Techniká efektivnost (TE) Alokační nákladová efektivnost (CAE) Celková nákladová efektivnost (CE) Energetická alokační efektivnost (EAE) Celková energetická efektivnost (EE) Zdroj: Vlastní výpočty Hospodářský rok 2007/08 (81 poz.) Stř. Směr. Min Max hodnota odch. Hospodářský rok 2008/09 (89 poz.) Stř. Směr. Min Max hodnota odch. 0,739 0,157 0,357 1,000 0,642 0,211 0,275 1,000 0,822 0,102 0,501 1,000 0,802 0,118 0,336 1,000 0,604 0,141 0,318 1,000 0,510 0,176 0,226 1,000 0,734 0,143 0,358 1,000 0,745 0,145 0,286 1,000 0,537 0,153 0,277 1,000 0,477 0,191 0,192 1,000 Alokační nákladová efektivnost vyjadřuje, že podíl minimálních možných nákladů stanovených nejlepšími producenty a nákladů technicky efektivních producentů (tj. producentů, kteří produkují technicky optimálně, ale neoptimalizují kombinaci vstupů k jejich cenám) je 82% v prvním sledovaném období a 80% v druhém sledovaným období. Tyto hodnoty jinými slovy vyjadřují, že podíl, o který je možné snížit náklady produkce pouze optimalizací skladby výrobních vstupů je 18% v roce hospodářském roce 2007/08 a 20% v následujícím období. Energetická alokační neefektivnost pak obdobně udává podíl, o který lze redukovat spotřebu energie pouze optimalizací skladby vstupů. Tento podíl se pohybuje mezi 25 a 27% v daných letech. Rozdíly v těchto ukazatelích tak nejsou významně rozdílné mezi sledovanými hospodářskými roky, což by se dalo předpokládat, protože tento ukazatel, na rozdíl od technické efektivnosti je méně citlivý na rozdíly v podnikových výsledcích danými přírodními a klimatickými rozdíly. Kromě diferencí v lidských a manažerských schopnostech optimalizovat poměry vstupů při daných cenách a energetických koeficientech jsou zdroji alokačních neefektivností například rozdíly v transakčních nákladech pořizování jednotlivých vstupů, odlišné možnosti financovaní různých vstupů, kontraktní podmínky, závislost na pořízené technologii po dobu její životnosti a tím redukovaná flexibilita v přizpůsobování skladby vstupů jejich cenám. Kromě stanovení hodnot výše uvedených ukazatelů efektivnosti je zajímavou otázkou, jaké jsou rozdíly mezi nákladově a energeticky optimálním množstvím jednotlivých vstupů (nejlepších producentů) a průměrným pozorovaným množstvím jednotlivých vstupů (při dané úrovni produkce). Tabulka 51 vyjadřuje poměry těchto množství pro oba sledované roky. 64

66 Tabulka 51. Poměr mezi nákladově a energeticky optimálním a průměrným pozorovaným množstvím vstupů v hospodářských letech 2007/08 a 2008/09 Hospodářský rok 2007/08 (81 poz.) Hnojiva Přímé Osiva Stroje a POR* energie Hospodářský rok 2008/09 (89 poz.) Hnojiva Přímé Osiva Stroje a POR* energie Podíl nákladově minimalizujícího a pozorovaného 0,47 0,60 0,80 0,27 0,72 0,49 0,36 0,35 množství vstupů Podíl energeticky minimalizujícího a pozorovaného 0,52 0,49 0,97 0,51 0,78 0,38 0,99 0,32 množství vstupů Poznámka: * Prostředky ochrany rostlin. Zdroj: Vlastní výpočty Z hodnot v tabulce vyplývá, že v roce 2007/08 jsou nejvíce nákladově efektivně využívány stroje. Hodnota 0,80 pro tento vstup indikuje, že optimálním užitím tohoto vstupu by bylo možné v průměru ušetřit 20% nákladů na tento vstup. Část ztráty efektivnosti užívání vstupů je však opět možno připsat rozdílům ve výrobních podmínkách, proto je vhodnější sledovat trendy a relace mezi jednotlivými vstupy než interpretovat tyto hodnoty absolutně. Je například možné určit, ve kterých vstupech existuje největší potenciál nákladových a energetických úspor. Nejprve se věnujeme nákladové optimalizaci vstupů. Největší potenciál nákladových úspor ve sledovaném souboru podniků existuje v přímé energii, kterou představují především pohonné hmoty spotřebované ve strojích. Dalo by se předpokládat, že redukce spotřeby pohonných hmot ve vstupech je zároveň přímo závislá na redukci užití strojů. V hospodářském roce 2007/08 je však ve strojích podstatně nižší potenciál pro snížení nákladů než v přímých energiích. Toto pozorování znamená, že nejlepší producenti v souboru užívají stroje a soustavy s významně nižší spotřebou nafty než méně efektivní podniky. Proto investice do nových technologií by v roce 2007/08 významně zlepšila nákladovost výroby pšenice. Z hodnot z hospodářského roku 2008/09 však vyplývá jiná interpretace. Poměr nákladově minimalizujícího a pozorovaného množství vstupů vyjadřuje, že nejméně nákladově efektivně je užívána přímá energie, zároveň však i stroje. Tato změna je především důsledkem nárůstů cen strojů relativně k ostatním vstupům. Řešením redukce nákladů v tomto roce by mohla být optimalizace užívání strojů (neinvestiční opatření), ale i investice do technologií zlepšujících celkovou výkonnost strojů (nejen zlepšujících spotřebu pohonných hmot). Potenciál snížení nákladů v osivech, hnojivech a prostředcích ochrany rostlin (POR) se též změnil mezi oběma sledovanými roky. To je opět v důsledku změny poměru cen 65

67 všech vstupů, jakožto i změn v technologiích. Mezi sledovanými hospodářskými lety došlo k poklesu množství použitého osiva, což je doprovázeno nárůstem nákladové efektivnosti jejího užití. Protože množství aplikovaných hnojiv a POR na hektar mírně pokleslo, je nárůst nákladové neefektivnosti aplikace hnojiv a POR především výsledkem výrazného nárůstu jejich cen ve srovnání s cenami osiv. Z tohoto a výše popsaného pozorování je zřejmé, že část nákladových efektivností, především pak alokační neefektivnost, je výsledkem obtížného technologického přizpůsobování se meziročním změnám cen vstupů. Výsledky z analýzy energetické optimalizace vstupů s časově neměnnými energetickými koeficienty pro identické vstupy jsou proto mezi sledovanými lety podstatně stabilnější. Zbylé rozdíly jsou výsledkem technologických změn mezi roky. V případě užití vstupů vzhledem k jejich energetickému optimu jsou nejméně efektivně užívány přímé energie (pohonné hmoty) a hnojiva společně s POR. To znamená, že v těchto vstupech existuje největší potenciál energetických úspor, a to pak o to více, že tyto vstupy představují více než 90% celkové spotřeby neobnovitelných energií ve vstupech. Jako u nákladové efektivnosti i ve spotřebě energií sledujeme nárůst efektivnosti použití osiv. Nejnižší energetická spotřeba je spojená se stroji, což se odráží i ve vysoké energetické efektivnosti jejich užívání. V souvislosti s nízkou energetickou efektivností užití pohonných hmot pak tento výsledek indikuje, že pro zlepšení energetické efektivnosti výroby pšenice je potřeba investovat do nových technologií (strojů) redukujících spotřebu paliv Vztah mezi nákladově a energeticky optimální produkcí a stínové náklady energeticky optimální produkce Tabulka 52 uvádí hodnoty hektarových nákladů a energetické spotřeby ve vstupech v nákladovém a energetickém optimu produkce pšenice ozimé, jejich poměry, jakož i odvozené stínové náklady a stínové ceny energetické úspory při daných tržních cenách vstupů. Z průměrných údajů za podniky v souboru lze pozorovat meziroční pokles výnosů. Ten je zároveň doprovázen poklesem nákladů na hektar. Dochází dokonce ke snížení celkových nákladů nejlepších producentů (s minimálními náklady) na tunu pšenice (z 1329 Kč/t v hospodářském roce 2007/08 na 1196 v hospodářském roce 2008/09). Toto pozorování vypovídá o technickém progresu mezi roky. V tomto kontextu pozorovaná vyšší úroveň technické a nákladové neefektivnosti v roce 2008/09 (Tabulka 52) je v souladu s rozšiřováním rozdílů mezi průměrnými a nejlepšími producenty. Z tabulky (Tabulka 52) dále sledujeme vzdalování nákladového a energetického optima produkce mezi sledovanými roky, což je především důsledkem změny poměru cen zemědělských vstupů, částečně však i změny technologie výroby, která se odráží ve skladbě vstupů. V hospodářském roce 2008/09 převyšují náklady v energetickém optimu náklady v nákladovém optimu o 32 %, zatímco v roce 2007/08 pouze o 9 %. 66

68 V hospodářském roce 2007/08 by se přechodem z nákladového optima do energetického optima ušetřily 4 % energie, v roce následujícím pak 14 % energie. Tabulka 52. Ukazatele vztahu energetického a nákladového optima výroby pšenice ozimé v českých farmách v hospodářských letech 2007/08 a 2008/09 Hospodářský rok 2007/08 (81 poz.) Stř. Směr. Min Max hodnota odch. Hospodářský rok 2008/09 (89 poz.) Stř. Směr. Min Max hodnota odch. Produkce (t/ha) 6,35 1,22 3,20 9,18 5,99 1,26 2,88 8,64 Minimální náklady, C opt (Kč/ha) Minimální energetická spotřeba, E opt 10,72 2,84 5,10 18,35 9,89 2,60 3,83 15,69 (GJ/ha) Náklady v energetickém optimu, C enopt (Kč/ha) Energetická spotřeba v nákladovém 11,24 3,21 5,13 20,33 11,57 3,18 4,00 19,56 optimu, E costopt (GJ/ha) C enopt / C opt 1,09 0,07 1,00 1,21 1,32 0,06 1,09 1,36 E opt / E costopt 0,96 0,04 0,84 1,00 0,86 0,05 0,75 1,00 Stínové náklady změny technologie z nákladově optimální energeticky optimální (Kč/ha) Energetická ztráta nákladovém optimu (GJ/ha) na v , ,52 0,61 0,02 3,32 1,68 0,85 0,00 4,45 Stínová cena energetické , úspory (Kč/GJ) Zdroj: Vlastní výpočty 67

69 Změna technologie výroby pšenice ozimé z nákladově optimální na energeticky optimální by stála 767 Kč na hektar v hospodářském roce 2007/08 a 2320 Kč na hektar v hospodářském roce 2008/09. Tyto hodnoty mohou být nazývány stínovými náklady energeticky optimální výroby. Z dalších propočtů vyplývá, že při nákladové optimalizaci výroby dochází k energetické ztrátě v hodnotě 0,52 GJ/ha v prvním sledovaném roce a 1,68 GJ/ha v roce následujícím. Průměrná stínová cena jednotkové energetické úspory je pak 1568 Kč/GJ v hospodářském roce 2007/08 a 1825 Kč/GJ v hospodářském roce 2008/ Vztah výrobních podmínek a úrovně efektivnosti Jak již bylo uvedeno v předchozích částech této kapitoly, lze předpokládat, že část rozdílů v nákladové tak i energetické výkonnosti podniků lze přičíst rozdílům v půdních a meteorologických/klimatických podmínkách výroby. Výsledky následujících korelací a regresní analýzy tento vztah potvrzují. V této části byly aplikovány dvě metody. První metoda, Spearmanova neparametrická korelační analýza, slouží jako explorativní metoda zkoumaného vztahu mezi jednotlivými ukazateli efektivností a výrobních podmínek. Důvodem volby neparametrické metody je binomiální či ordinální charakter většiny proměnných pro kvalitu výrobních podmínek. Tato metoda zároveň odhaluje možné vysoké korelace, které by v následné regresní analýze mohly vést k problému multikolinearity. Druhou metodou je tedy regresní analýza vlivu přírodních podmínek na úroveň efektivnosti. Konkrétně se jedná o useknutou regresní analýzu a to z důvodu specifického rozdělení hodnot ukazatelů efektivnosti (mezi hodnotami 0 a 1, s vyšší četností na pravé straně rozdělení). Tato analýza je provedena pouze pro celkovou energetickou efektivnost, která je hlavním předmětem zájmu této části práce, a prozatím pouze pro hospodářský rok 2007/08. Tabulka 53. Spearmanova korelace mezi ukazateli efektivnosti a půdními/meteorologickými podmínkami výroby pšenice ozimé v českých farmách v hospodářských letech 2007/08 a 2008/09 Hospodářský rok 2007/08 (81 poz.) Hospodářský rok 2008/09 (89 poz.) Proměnné TE CAE CE EAE EE TE CAE CE EAE EE Teploty při: - setí - příliš nízká 1) -0,21 0,24 - setí - příliš vysoká 2) -0,19 - odnožování - příliš nízká 1) 0,23 - zrání - příliš vysoká 2) 0,22 - zrání - škála 4) 0,22* Vláha při: - setí - příliš vysoká 2) 0,20 - nalévání obilek - příliš vysoká 2) 0,20 68

70 Pokračování Tabulka 53 - odnožování - optimální 3) 0,20 - zrání - optimální 3) 0,19 - zrání - škála 4) 0,26* - zrání - příliš nízká 1) -0,25* - slizni - příliš nízká 1) -0,20 Celk. klimatické podm. 5) : - setí 0,24 0,22 0,22 - nalévání obilek 0,23* -0,19 - zrání 0,28* 0,29* 0,27* - sklizeň 0,23* Svažitost pozemku 6) -0,21-0,27* -0,21 Poničení porostu 7) -0,20-0,23* -0,21-0,19 Procentická redukce výnosu v důsledku -0,20-0,27* -0,21-0,19-0,21 počasí Nájemné za půdu (Kč/ha) -0,30* Poznámka: * významný korelační koeficient na 5% hladině významnosti. 1) Fiktivní proměnná nabývající hodnoty 0 a 1, přičemž v případě hodnoty 1 podnik označil teplotu či vláhu za příliš nízkou pro dané vegetační období. 2) Fiktivní proměnná nabývající hodnoty 0 a 1, přičemž v případě hodnoty 1 podnik označil teplotu či vláhu za příliš vysokou. 3) Fiktivní proměnná nabývající hodnoty 0 a 1, přičemž v případě hodnoty 1 podnik označil teplotu či vláhu za optimální. 4) Ordinální proměnná nabývající hodnoty 1 pro teplotu či vláhu příliš nízkou, 2 optimální a 3 příliš vysokou. 5) Ordinální proměnná nabývající hodnoty 1 až 4, kde 1 znamená špatné, 2 spíše špatné, 3 spíše lepší, 4 výborné podmínky. 6) Vážený aritmetický průměr kategorických hodnot (1 pro 1-3%, 2 pro 3,1-7%, 3 pro 7,1 až 12%, 4 více jak 12%) pro svažitost všech pozemků podniku, na kterých byla v daném roce pěstována pšenice ozimá. 7) Fiktivní proměnná nabývající hodnoty 0 a 1, přičemž hodnota 1 je přiřazena podniku, ve kterém byl porost pšenice ozimé poničen nepříznivými projevy počasí (subjektivní hodnocení respondenta). Zdroj: Vlastní výpočty Tabulka 53 prezentuje Spearmanovy korelační koeficienty mezi jednotlivými ukazateli efektivností a proměnnými pro výrobní přírodní podmínky. V tabulce jsou uvedeny pouze korelační koeficienty, které jsou statisticky významné na nejméně 10% hladině významnosti. Nepříznivé teploty a vlhkost v některých vegetačních stádiích růstu a zrání pšenice ozimé významně souvisí s hodnotami ukazatelů efektivností. Též svažitost pozemku negativně koreluje s hodnotou některých ukazatelů efektivnosti a to především s celkovou nákladovou efektivností v hospodářském roce 2007/08. V hospodářském roce 2008/09 jsou to pak celkové klimatické podmínky, které vykazují významnou korelaci s nákladovou a energetickou efektivností. V obou letech s úrovněmi efektivností významně koreluje procentická redukce výnosu v důsledku nepřízně počasí. Rozdíly v korelačních koeficientech mezi roky poukazují na rozdíly v počasí a proto mohou částečně vysvětlit sledované meziroční rozdíly v ukazatelích nákladových a energetických efektivností. 69

71 Následující regresní analýza se soustředí na vliv přírodních podmínek na energetickou efektivnost. Na rozdíl od korelační analýzy, regresní analýza podchycuje vliv jednotlivých proměnných při jejich vzájemném spolupůsobení. Ze Spearmanovy korelační analýzy můžeme například předpokládat, že procentická redukce výnosu v důsledku počasí bude snižovat hodnotu ukazatele energetické efektivnosti užitých vstupů. Můžeme však též očekávat, že po přiřazení části variability v energetické efektivnosti této proměnné se mohou další proměnné prokázat jako významné pro energetickou výkonnost vstupů. Parametry této regresní analýzy jsou prezentovány v Tabulka 54. Waldův test indikuje, že regresní model s uvedenými 13 proměnnými statisticky významně (na 1% hladině významnosti) přispívá k vysvětlení rozptylu hodnot energetické efektivnosti. Odhad tohoto modelu standardní metodou nejmenších čtverců stanovuje koeficient determinace R 2 roven hodnotě 0,31, což udává, že půdní a meteorologické podmínky zohledněné v tomto modelu vysvětlují přes 30% rozptylu energetické efektivnosti. To má podstatný význam pro interpretaci výše uvedených hodnot stanovené energetické efektivnosti. Z odhadů parametrů (Tabulka 54) vyplývá, že cena nájemného má pozitivní vliv na hodnotu energetické efektivnosti. Lze proto předpokládat, že tato cena (podstatně) reflektuje kvalitu najaté půdy. Svažitost pozemků naopak úroveň energetické efektivnosti ovlivňuje negativně. Jinými slovy lze tento výsledek interpretovat tak, že více energie je spotřebováno na danou úroveň produkce na svažitých než rovinatých pozemcích. Překvapivým výsledkem však je, že s rostoucí nadmořskou výškou roste energetická efektivnost. To by bylo možné vysvětlit pouze tím, že ve vyšších nadmořských výškách hospodaří farmy s charakteristikami, které pozitivně ovlivňují energetickou bilanci jejich výroby a nebo je častěji aplikovaná energeticky úspornější technologie. 70

72 Tabulka 54. Odhad parametrů useknuté regrese mezi energetickou efektivností a podmínkami výroby pšenice ozimé v českých farmách v hospodářském roce 2007/08 Parametr P hodnota Konstanta 0.303** Nadmořská výška 0.655*** Nájemné za půdu 0.056** Podíl organické hmoty v půdě Svažitost ** Procentická redukce výnosu v důsledku počasí *** Optimální vláha pro setí Optimální teplota pro setí Optimální teplota pro odnožování Optimální vláha pro nalévání obilek *** Optimální teplota pro zrání zrna Příliš vysoká teplota pro setí 0.158* Příliš vysoká vláha pro zrání zrna 0.101** Příliš vysoká teplota pro zrání zrna 0.152** Hodnota log. věrohodnosti Wald test χ 2 13 = 31 0,003 Poznámka: Parametr je statisticky významný na *10%, **5% nebo ***1% hladině významnosti. Zdroj: Vlastní výpočty Proměnné "procentická redukce výnosu v důsledku počasí" i další proměnné k optimálnosti vláhy a teploty k produkci pšenice ozimé daného roku jsou subjektivní proměnné (odvozené ze subjektivních hodnocení respondentů). Z odhadů vyplývá, že vnímaná nepřízeň počasí skutečně signifikantně negativně ovlivnila energetickou efektivnost výroby. Detailnější analýza vlivu počasí v jednotlivých stádiích produkce však ukazuje, že hodnocení teploty při setí a vláhy i teploty při zrání zrna jako příliš vysoké má pozitivní vliv na energetickou efektivnost, zatímco hodnocení vláhy při nalévání obilek jako optimální má negativní vliv na energetickou efektivnost. Toto pozorování se potvrdilo i v regresní analýze vysvětlující celkovou nákladovou efektivnost, ne však v regresní analýze vysvětlující technickou efektivnost. Na technickou efektivnost má signifikantní efekt (pozitivní) pouze vláha při odnožování hodnocená jako optimální. To znamená, že specialisté hodnotí optimalitu počasí v jednotlivých stádiích výroby především z hlediska technicky produkčního, která neodpovídá optimalitě z hlediska nákladového či energetického Vliv podnikových charakteristik a technologických postupů na energetickou efektivnost Pomocí následujících modelů je analyzován vliv faremních a technologických charakteristik výroby pšenice ozimé na energetickou efektivnost. Proměnné z předchozího modelu jsou použity jako kontrolní proměnné. 71

73 První model (Tabulka 55), model 1, obsahuje kromě kontrolních proměnných pouze proměnné charakterizující technologický postup výroby. Model 2 přidává proměnné s faremními charakteristikami. Srovnání modelu 1 a modelu 2 umožňuje vysledování vlivu faremně specifických proměnných na vliv technologických proměnných na energetickou efektivnost. Model 3 a model 4 jsou modely, které slouží především k analýze citlivosti modelu 2 na redukci subjektivních proměnných a nesignifikantních proměnných. Waldův test pro všechny modely (Tabulka 55) vypovídá o vysoké statistické signifikantnosti (na 1% hladině významnosti) parametrů těchto modelů. Koeficienty determinace R 2 při odhadu těchto modelů pomocí standardní metody nejmenších čtverců jsou rovny hodnotě 0,74 pro model 1, hodnotě 0,89 pro model 2, hodnotě 0,74 pro model 3 a hodnotě 0,49 pro poslední model. Model 2 má z pohledu tohoto ukazatele nejvyšší vypovídací schopnost, neboť vysvětluje téměř 90% celkového rozptylu energetické efektivnosti. Parametry modelu 1 ukazují, že proměnné k technologii výroby signifikantně přispívají k vysvětlení energetické efektivnosti. Přidáním informace o technologii se zároveň zpřesňuje efekt půdních a meteorologických proměnných. Například nadmořská výška již nemá statisticky významný pozitivní efekt na energetickou efektivnost, to znamená, že tento pozitivní efekt byl převzat proměnnými pro energeticky úspornější technologické praktiky, které jsou aplikovány častěji ve vyšších nadmořských výškách (například management eroze půdy). Informace o nadmořské výšce však stále významně přispívá modelu jako celku a signifikantnost některých technologických proměnných závisí na jejím začlenění do modelu (konkrétně proměnná technologie zpracování půdy a setí). Významný pozitivní efekt na energetickou efektivnost má 6 z celkového počtu 20 technologických proměnných v modelu 1. K těmto proměnným patří pozdní regenerační a kvalitativní hnojení, půdoochranný postup zpracování půdy se setím spojeným s mělkým kypřením do hloubky setí, nápravný a preventivní management vodní a větrné eroze půdy, a neinvestiční opatření, jakými jsou lepší využití užitečné hmotnosti dopravních prostředků (např. volbou vhodných dopravních prostředků, zvětšením ložného objemu použitých nástaveb) a zkrácení přepravných vzdáleností napřímením materiálových toků. Naopak předseťové hnojení, kombinování kapalných minerálních hnojiv s prostředky ochrany rostlin při pozdním regeneračním hnojení nebo prvním produkčním hnojení, hnojení kejdou a konvenční zpracování půdy se setím v samostatné operaci snižují energetickou efektivnost. Na rozdíl od výše uvedených neinvestičních opatření, investiční opatření, jakými jsou pořízení dopravních prostředků s vyšší užitečnou hmotností a pořízení traktorů a dopravních prostředků s vyšší konstrukční rychlostí mají negativní dopad na energetickou efektivnost. Poslední dvě proměnné v modelu 2 s negativním dopadem na energetickou efektivnost jsou subjektivní proměnné. Čím lépe manažeři (či specialisté) hodnotí vlastní využívání technických a provozních možností strojů a zařízení a načasování jednotlivých technologických operací, tím nižší je energetická efektivnost (v případě první proměnné i nákladová efektivnost). 72

74 Tabulka 55. Odhady useknuté regrese mezi energetickou efektivností a faremními/technologickými charakteristikami výroby pšenice ozimé v hospodářském roce 2007/08 Model 1 Model 2 Model3 Model 4 Parametr P P P Parametr Parametr hodnota hodnota hodnota Parametr P hodnota Konstanta 0.881*** *** *** *** Nadmořská výška * Nájemné za půdu 0.060*** *** *** ** Svažitost Procentická redukce výnosu v důsledku počasí ** Optimální teplota pro setí *** Optimální vláha pro nalévání obilek Příliš vysoká teplota pro setí 0.219*** *** Příliš vysoká vláha pro zrání zrna 0.132*** *** Příliš vysoká teplota pro zrání zrna 0.098*** *** Předseťové hnojení * První produkční hnojení *** *** Pozdní regenerační hnojení 0.093*** *** *** Jiné (většinou kvalitativní) hnojení 0.135*** *** *** Zdvojnásobený pracovní záběr ** ** Kombinace kapalných hnojiv s POR 1) *** *** *** ** Hnojení kejdou v posledních dvou letech *** *** *** * Konvenční zpracování půdy, setí samostatně *** *** Půdoochranný postup, setí do nepřipravené půdy Půdoochranný postup, setí spojeno s mělkým kypřením do hloubky setí 0.154*** *** *** * Vhodná půdní vlhkost při zpracování půdy Nápravný a preventivní management eroze půdy 0.066*** *** *** *** Pořízení dopr. prostředků s vyšší užitečnou hm *** *** ***

75 Pokračování Tabulka 55 Model 1 Model 2 Model3 Model 4 Parametr P P P Parametr Parametr hodnota hodnota hodnota Parametr P hodnota Pořízení traktorů a dopravních prostředků s vyšší konstrukční rychlostí *** *** *** *** Pořízení nakladačů s vyšší výkonností Zvýšení využití užitečné hm. dopr. prostředků 0.058** *** * Zkrácení přepravných vzdáleností napřímením materiálových toků 0.056** *** Využívání technických a provozních možností strojů a zařízení *** *** Využívání technických inovačních prvků a nových konstrukčních zařízení Míra optimálního načasování jednotlivých technologických operací * ** Celková orná půda farmy 0.071*** *** Právní forma - s.r.o ** ** *** Právní forma - fyzická osoba ** ** Počet vlastníků Počet pracovníků *** *** *** Podíl rostlinné výroby *** *** * Hodnota log. věrohodnosti 82,47 101,18 73,51 53,07 Wald test χ 2 29 = χ 2 29 = χ 2 21 = 0,000 0, ,80 498,97 165,45 0,000 χ 2 12 = 46,64 0,000 Poznámka: Parametr je statisticky významný na *10%, **5% nebo ***1% hladině významnosti. 1) Kombinace kapalných minerálních hnojiv s prostředky ochrany rostlin při pozdním regeneračním hnojení nebo prvním produkčním hnojení. Zdroj: Vlastní výpočty 74

76 Po přidání faremně specifických proměnných (model 2) dochází ke změně signifikantnosti v několika mála proměnných pro technologii výroby. Místo předseťového hnojení má signifikantní negativní vliv na energetickou efektivnost první produkční hnojení a statisticky významným se stává i (neočekávaně) negativní vliv zdvojnásobeného pracovního záběru při aplikaci hnojiv. Zajímavé je, že zpřesněním modelu zabudováním faremně specifických proměnných se formuje i čistý efekt nadmořské výšky, který je v tomto modelu významný a poprvé záporný. Celkově si však převážná většina proměnných ponechává směr a signifikantnost parametrů z modelu 1, což poukazuje na robustnost modelu a dat. Z faremně specifických proměnných má signifikantní pozitivní efekt na energetickou efektivnost celková výměra orné půdy obdělávaná podnikem. Zbylé statisticky významné proměnné mají negativní dopad na úroveň energetické efektivnosti. Energetická efektivnost klesá s rostoucím počtem zaměstnanců a rostoucím podílem rostlinné výroby v celkových tržbách farmy. Efekt první z těchto proměnných poukazuje na rostoucí náročnost organizace práce při velkém počtu zaměstnanců. S rostoucím významem rostlinné výroby ve výrobní struktuře pravděpodobně narůstá intenzita užívání výrobních faktorů v této výrobě. Negativní vliv na energetickou efektivnost má též právní forma s.r.o. Vysvětlením tohoto vztahu by mohla být vyšší intenzita rostlinné výroby ve farmách této právní formy. V modelu 3 byla provedena redukce subjektivních proměnných, o kterých by se mohlo předpokládat, že zkreslují odhady modelu. Po redukci těchto proměnných se významně neměnní směr dopadu ponechaných proměnných, některé však ztrácejí signifikantnost a celkově významně klesá celková statistická vypovídací schopnost modelu. Proto se ukazuje vhodnější tyto subjektivní proměnné v modelu ponechat. Dalo by se proto usuzovat, že subjektivní proměnné v modelu 2 podchycují schopnosti a postoje manažerů (více než zjišťovanou optimalitu technologických operací), které též významně ovlivňují úroveň energetické efektivnosti. Poslední model v tabulce je nejúspornější model, ve kterém jsou postupně redukovány méně signifikantní proměnné z modelu 3, t.j. všechny proměnné s p hodnotou vyšší než 0,30. Tato redukce celkový model podstatně oslabuje (R 2 = 0,49). Ze statistického hlediska i hlediska plauzibility (přijatelnosti, použitelnosti) výsledků je model 2 nejvhodnější Závěr z analýz energetické efektivnosti Analýza energetické efektivnosti výroby pšenice ozimé byla provedena specifickou metodou lineárního programování (Data Envelopment Analysis) upravenou pro optimalizaci spotřeby energie na jednotku produkce. S poměry energetických koeficientů vstupů je zacházeno obdobně jako s poměry cen v konceptech optimalizačních nákladových modelů, což umožňuje určit ukazatel energetické 75

77 efektivnosti se dvěmi složkami (a) technickou a (b) alokační. Tato charakteristika modelu pomáhá identifikovat (a) část energetické neefektivnosti, která má svůj původ v nadměrném použití vstupů k dané produkci a jejíž redukce by vedla k současnému snižování jednotkových nákladů a (b) část energetické neefektivnosti, která vychází z neoptimálnosti kombinace vstupů vzhledem k jejich energetickým koeficientům (energetické náročnosti) a jejíž optimalizace často vede k nárůstům nákladů. Kvantifikace těchto nákladů, které nazýváme stínové náklady optimalizace energetické spotřeby, jsou též předmětem této části studie. Další důležitou kvalitou aplikované metody je to, že energetický potenciál, ke kterému je měřena energetická efektivnost je potenciál reálný, stanovený nejlepšími farmami v souboru. Data Envelopment Analysis dále stanovuje hodnoty energetické efektivnosti pro jednotlivé farmy, což umožňuje analýzu vlivu faremně a technologicky specifických faktorů této efektivnosti a tak poskytuje hodnotné konkrétní informace pro farmy i politiku. Z výsledků analýzy energetických efektivností vyplývá, že mezi producenty pšenice ozimé existují velké rozdíly v energetické spotřebě na jednotku produkce. Energetická efektivnost v průměru za oba hospodářské roky 2007/08 a 2008/09 dosahuje hodnoty 0,5, což vyjadřuje, že nejlepší producenti v souboru spotřebovávají o 50% méně energie než průměrní producenti. Z analýzy vlivu výrobních podmínek vyplývá, že přibližně 30% rozptylu v energetické výkonnosti producentů jde nad rámec jejich kontroly. To znamená, že ve sledovaných farmách by reálně bylo možno uspořit přibližně 35% energetické spotřeby ve vstupech na danou výrobu pšenice. Z rozkladu energetické efektivnosti na technickou a alokační vyplývá, že velký potenciál energetických úspor se nachází v technické výkonnosti (efektivnosti) (přes 50% z potenciálních energetických úspor), to znamená v technické optimalizaci výroby, při které dochází nejen k úsporám v energetické spotřebě ale i ke snižování nákladů. Zbylá energetická neefektivnost má svůj zdroj v alokační neefektivnosti, tj. neoptimální kombinaci vstupů vzhledem k jejich energetické náročnosti. Z porovnání energetické alokační efektivnosti a nákladové alokační efektivnosti vyplývá, že producenti používají kombinaci vstupů, která je blíže nákladovému než energetickému optimu, což souvisí s jejich ekonomickou orientací. Změny nákladově optimální technologie na energeticky optimální technologii výroby pšenice ozimé by stála 736 Kč/ha v hospodářském roce 2007/08 a 2320 Kč/ha v následujícím roce. To odpovídá stínové ceně 1568 Kč/GJ v prvním sledovaném roce a 1825 Kč/GJ energie ve vstupech v druhém sledovaném roce. Důvodem těchto významných meziročních rozdílů je změna technologie nejlepšími producenty a změna poměru cen jednotlivých vstupů. Největší potenciál energetických úspor se nachází v pohonných hmotách a chemikáliích (hnojivech a prostředcích ochrany rostlin). Vyšší zdanění těchto vstupů při současné závislosti zemědělství na přímých podporách není řešením pro narovnání poměrů cen 76

78 vstupů vedoucí k lepší energetické efektivnosti. V rámci uvolněných prostředků z modulace přímých plateb by byla účinnějším nástrojem přispívajícím k efektivním úsporám energií podpora investic do strojů s nižší spotřebou pohonných hmot, s menším zatížením půdy a dalšími zlepšujícími technickými parametry. Konkrétní technologické postupy, které mají statisticky významný dopad na energetickou efektivnost, jsou technologie hnojení, přípravy půdy a setí, management eroze půdy, či neinvestiční opatření optimalizace dopravy. Dále charakteristiky farem, jakými je celková výměra orné půdy, počet pracovníků či podíl rostlinné výroby v celkových tržbách farmy, se významně odráží v úrovni energetické efektivnosti. Míru této efektivnosti též ovlivňují charakteristiky managementu, které se projevily v subjektivním hodnocení optimalizace technologických operací. Především první skupina technologických faktorů představuje opatření vedoucí k energetickým úsporám, která jsou čistě předmětem rozhodování farem a jejichž zlepšení by mělo být jejich zájmem alespoň do té míry, do které by úspora energií zároveň vedla k redukci nákladů. 4. Optimalizační model pro energetické a ekonomické rozhodování o produkci plodin pro energetické využití ( AGROENERGY ) Diskuse k využívání zemědělské půdy pro produkci energií je odvislá zejména od faktorů jako je rentabilita výroby (= významná součást konkurenceschopnosti), produkce dostatečného přebytku energie vzhledem k potřebným vstupům do výroby, vlivy pěstování energetických monokultur na životní prostředí, konkurence mezi potravinářskou a energetickou surovinou, apod. Ačkoli existuje všeobecný konsensus/požadavek na využívání zemědělských ploch pro produkci energií (s primárním odůvodněním o vyčerpanosti konvenčních zdrojů), závěry z odborných studií na rozsah výroby obnovitelných zdrojů energie ze zemědělství nejsou v řadě výše uvedených oblastí jednotné (viz například studie EMPA 2007; OECD 2007 a další). Smyslem modelu AGROENERGY je přispět do této diskuse nástrojem schopným poskytovat objektivní projekce, které jsou založené na výrobních a kapacitních podmínkách ČR a zároveň odpovídají na praktické problémy spojené s programem výroby energie na zemědělské půdě. Vzhledem ke své konstrukci je model flexibilní v rozsahu a nastavení vstupních proměnných. Model tak primárně stanovuje optimální výrobní složení (plochy) energetických plodin v podmínkách ČR (energetické dřeviny na zemědělské půdě, plodiny pro výrobu bioplynu a plodiny pro výrobu biopaliva), produkci energetických výrobků (brikety/štěpka, bioplyn, biopalivo) z těchto surovin, kalkuluje rentabilitu prvovýrobců, zpracovatelů energií, hrubou a čistou 7 produkci energie jak ve fázi provovýroby tak i zpracování, výsledné ceny biopaliv a s tím spojené (potenciální) náklady spotřebitelů. 7 Energetický přebytek 77

79 4.1 Charakteristika modelu Lineární optimalizační normativní statický model, který stanovuje výrobní strukturu plodin využívaných pro výrobu energie na úrovni odvětví. Účelová funkce Chyba! Objekty nemohou být vytvořeny úpravami kódů polí., kde P je buď ekonomický zisk (tj. rozdíl tržeb + subvencí a celkových nákladů) nebo energetický zisk (tj. rozdíl energie získané a vložené do jednotlivých fází výroby (s/bez zahrnutí hodnoty energie vedlejšího výrobku) buď výrobců suroviny (zemědělců) nebo zpracovatelů suroviny pro finální produkci výrobků; a j je vektor ekonomického resp. energetického zisku plynoucího z produkce a zpracování konkrétní energetické plodiny j (výrobku) a x j je vektor výrob (výměra energetických plodin v ha resp. množství vyrobené energie v příslušných jednotkách). Z každé plodiny je tak možné vyrobit některý z finálních energetických výrobků (viz níže). Výrobní omezující podmínky: Chyba! Objekty nemohou být vytvořeny úpravami kódů polí., kde z ij je matice technických koeficientů a b i je vektor dostupných zdrojů (aktuálně celková zamýšlená disponibilní půda pro pěstování uvedených plodin, resp. výrobní kapacity pro výrobu briket, bioplynu a biopaliv). Další omezující podmínky jsou stanoveny na maximální resp. minimální zastoupení plodin v osevním postupu; Chyba! Objekty nemohou být vytvořeny úpravami kódů polí., kde k je stanovený koeficient pro min. resp. maximální podíl z disponibilní půdy a b i je disponibilní rozsah půdy. Model umožňuje omezení na kapacity práce, příp. kapitálu. 4.2 Nastavení vstupních parametrů Pro účely simulace byla půda stanovena ve výši 1000 tis. ha (maximální plocha kterou by bylo možné využívat pro energetické účely). Uvedený rozsah byl kalkulovaný ze stávajících ploch využívaných pro zemědělské suroviny zpracované pro energie (220 tis. ha pro biolíh, 200 tis. ha pro bionaftu, 80 tis. ostatní biomasa), dále možné rozšíření ploch aktuálně nevyužívaných (200 tis. ha), a převedení části využívaných ploch pro potravinářské účely na pěstování plodin určených pro energetiku (300 tis. ha). Tato plocha tak fakticky představuje maximální hypotetickou možnou plochu pro nepotravinářské využití (resp. výrobu energie). Další omezení vycházejí z výrobních kapacit výroby energetických výrobků, přičemž aktuálně nastavené omezení je platné pouze pro výrobu bioplynu v bioplynových stanicích a výrobu biolihu a MEŘO (výroba resp. spotřeba briket není momentálně limitována). Protože rentabilita výroby zemědělských energetických dřevin je odvislá od lokálního využití, jsou v modelu tyto plodiny omezeny ve struktuře ve větší míře oproti ostatním plodinám. Nicméně při dostatečných zpracovatelských kapacitách pro produkci briket/pelet se stává omezení na lokální spotřebu těchto výrobků méně významné. Celkem bylo zahrnuto 9 plodin, z nichž je možné vyrobit 3 produkty (brikety/pelety pro spalování, bioplyn pro výrobu elektrické energie v bioplynové stanici s/bez uvažování kogenerace na výrobu tepla a kapalné biopalivo biolíh a MEŘO). 78

80 Plodina (surovina), (C j ) Konečný výrobek (P k ) Zkratka Název Zkratka Název STK Šťovík krmný BRK Brikety/Pelety KON Konopí seté BRK Brikety/Pelety OZD Ozdobnice čínská BRK Brikety/Pelety CRA Chrastice rákosovitá BRK Brikety/Pelety TRI Triticale energetické BRK Brikety/Pelety CIR Čirok na siláž GAS Bioplyn KUS Kukuřice na siláž GAS Bioplyn PSO Pšenice ozimá FUE Biolíh REP Řepka ozimá FUE Bionafta Celkové náklady vstupují jako exogenní proměnná (lineární). Náklady na výrobu energie v konečném výrobku jsou odvislé od nákladů na vstupní surovinu. Ceny suroviny vycházejí z tržních cen, u energetických plodin pro výrobu briket jsou stanoveny na základě vlastních nákladů a zvýšených o minimální marži. Ostatní ceny jsou stanoveny podle průměrných tržních cen v daném roce. Model dále umožňuje zkoumat vlivy podpor na rentabilitu výroby suroviny (plošné platby a komoditní), případně zdanění (biopalivo). Jednotlivé parametry jsou uvedeny v následující tabulce. Náklady na výrobu jsou z nákladového výběrového šetření ÚZEI, VÚZT, VÚRV, energetické parametry jednotlivých plodin pocházejí z údajů Výzkumného ústavu zemědělské techniky. Model byl zkonstruován s využitím programu GAMS. 79

81 Tabulka 56. Vstupní parametry optimalizačního modelu Energetická plodina Chrastice Triticale Kukuřic Šťovík Konopí Ozdobnic Čirok na Pšenice Řepka rákosovit energetick e na krmný seté e čínská siláž ozimá ozimá á é siláž Náklady variabilní Kč/ha Náklady fixní Kč/ha Výnos - hlavního produktu t/ha Výnos - vedlejšího produktu t/ha Cena (CZV) Kč/t Subvence plošné Kč/ha Subvence specifické - energetické plodiny Vstupy energie - stroje (pěstování + sklizeň) GJ/ha Vstupy energie - skladování + manipulace GJ/ha Vstupy energie celkem GJ/ha Výstup energie celkem GJ/ha Druh biopaliva (energetického produktu) Měrná jedn. biopaliva mjbp - t, m3, litry Brikety /Pelety Brikety/P elety Brikety/P elety Brikety/P elety Brikety/Pel ety Bioplyn Bioplyn t m3 l Bioetan ol MEŘO 80

82 Pokračování Tabulka 56 Výtěžnost paliva ze suroviny Množství biopaliva mjbp/tu na suroviny t,m3,litr y/ha Náklady na zpracování Kč/ha Celkové náklady na výrobu (surovina + zpracování) - kalkulované Výnos paliva Kč/ha t,m3,l/h a Cena paliva Kč/t,m3,l Spotřební daň Kč/t,m3,l Vstupy energie - zpracování GJ/ha Energetický vstup GJ/ha Energetický výstup (včetně vedlejšího výrobku) GJ/ha Energetický výstup (bez vedlejšího výrobku) GJ/ha Zdroj: VÚZT, UZEI, VÚRV 81

83 Vedle výrobní struktury model kalkuluje výsledné tržby resp. náklady na produkci biopaliv (biolíh a bionafta). To umožňuje modelu kalkulovat rozdíl v nákladech na výrobu konvenčního resp. biopaliva při nastavených podmínkách. Tento rozdíl (pokud náklady na biopalivo jsou vyšší než na cena konvenčního) by byl placen ve vyšších cenách spotřebiteli resp. ztrátou výnosu z daní. Do výpočtu je zahnuta rozdílná výhřevnost konvenčního a biopaliva. 4.3 Výsledky vymezených variant S výše specifikovanými parametry a omezeními byla projektována stylizovaná úloha na stanovení optimální struktury plodin využívaných pro energetické účely. Tato úloha zahrnuje uplatnění různých optimalizačních kritérií A1-A3 (maximalizace zisku vs. energetický přebytek), znázorněny v Tabulka 57. Pro všechny varianty je nastaven požadavek na využití maximální dostupné plochy (1000 ha). Nejdříve se podívejme na variantu, při které bychom sledovali maximalizaci zisku výrobců suroviny (Var.A1) zemědělců, nejvyšší zastoupení by dostaly plodiny pro výrobu briket/pelet (40 %), následují plodiny pro výrobu bioplynu (35 %) a biopaliva (25 %). Přitom produkce kukuřice na siláž a celkové zastoupení energetických dřevin zaujímají maximální možnou plochu. Zisk producentů suroviny představuje v této variantě téměř 9 tis. Kč/ha, naproti tomu zpracovatelé suroviny jsou v celkové ztrátě téměř 7 mld. Kč, což je způsobeno jak produkcí biopaliv (není uvažována hodnota vedlejší produkce), tak el. energie z bioplynu (neuvažuje se hodnota vyrobeného tepla). Vyrobený přebytek energie je v této variantě nejvyšší (117 GJ/ha). Celková produkce biolihu a MEŘO činí 480 mil. litrů, což představuje celkový příjem producentům 13,6 mld. Kč. Při srovnání s cenou resp. náklady na výrobu konvenčního paliva je rozdíl, který musí zaplatit spotřebitelé ve výši 8,7 mld. Kč. Reálně by tyto náklady byly rozmělněny mezi spotřebitele a ztráta z výnosu ze spotřební daně (při uvažování nulové spotřební daně na biopalivo). Cena biolihu vyrobeného z pšenice je při stanovených podmínkách 17,48 Kč/litr, cena MEŘO 22,19 Kč/litr (bez zahrnutí daňové zátěže). Při sledování maximalizace zisku 8 zpracovatelů/výrobců energií (var. A2) se mění struktura ploch následovně: 55 % ploch je alokováno na plodiny pro biopaliva (dostávají se na přípustné maximum), plodiny pro výrobu briket získávají 25 %, a čirok a kukuřice jako zdroje pro bioplynové stanice 10 %. Tato struktura je výsledkem požadavku snížit ztrátu producentů, která vzniká při výrobě bioplynu (náklady na produkci energií zahrnují také poměrně vysoké investiční náklady v podobě odpisů). Celkový zisk výrobců se výrazně nezměnil, ztráta producentů tak klesla na minimu ze sledovaných variant (- 238 mil. Kč). Vyprodukovaný čistý přebytek energie (po odpočtu energetických vstupů) představuje pouze 66 % hodnoty varianty A1. To je způsobeno vysokým zastoupení biolihu v produkci, který vykazuje velmi nízkou energetickou bilanci. Celkové tržby producentů biopaliv by v tomto rozsahu představovaly 32,4 mld. Kč a rozdíl oproti konvenčnímu palivu by činil více než 20 mld. Kč. Ve variantě A3 se předpokládá maximalizace vyprodukované energie k vložené (energetický scénář). Struktura plodin je blízká var. A1 s 5% navýšením čiroku pro použití k výrobě bioplynu na úkor snížení plochy pšenice. Proporcionálně těmto změnám odpovídá také výroba finálních produktů. V této variantě je zajištěn významný zisk producentům suroviny (8,9 tis. Kč/ha), zatímco zpracovatelé suroviny by vytvořili ztrátu 8,6 mld. Kč. Tržby z výroby 8 Prakticky se může jednat také o minimalizace ztráty. 82

84 obnovitelných paliv dosahují téměř 10,5 mld. Kč (výroba 362 mil. litrů) a rozdíl (na úkor spotřebitelů) oproti nákladům na konvenční paliva by činil 6,7 mld. Kč. Všechny varianty byly modelovány s cenami zemědělských komodit spíše na spodní hranici (např. pšenice 3500 Kč/t, řepka 6000 Kč/t). Není tedy bez zajímavosti zjistit, jaký efekt by mělo navýšení cen zemědělských výrobců na ekonomické výsledky ve sledované vertikále. Pro ilustraci byly ceny navýšeny o 50 % původní úrovně: za těchto podmínek by došlo (ve variantě A1) k prohloubení ztráty zpracovatelů energií o 99 %. Se změnou ceny vstupní suroviny by zároveň došlo ke zvýšení nákladové ceny biolihu o 4,90 Kč/litr (zvýšení o 28 %), u MEŘO dokonce o 8,40 Kč/litr (38 %). 83

85 Tabulka 57. Výsledky optimalizace struktury energetických plodin podle různých účelových kritérií Schéma A1. Max. zisku výrobců suroviny (Kč/ha) Optimalizuje výrobu na základě maximalizace zisku výrobců suroviny pro výrobu energetických výrobků A2. Max. zisku zpracovatelů energie (Kč/ha) Optimalizuje výrobu na základě maximalizace zisku producentů producentů/zpracovat elů energie (výrobků) A3. Max. energetického přebytku (GJ/ha) Optimalizuje výrobu na základě maximalizace čistého energetického přebytku (rozdíl produkce energie a energie vstupující) Struktura ploch (%) Šťovík krmný Konopí seté Ozdobnice čínská Chrastice rákosovitá Triticale energetické Čirok na siláž Kukuřice na siláž Pšenice ozimá Řepka ozimá Výroba energie Brikety/Pelety (mil. tun) 4,4 2,6 4,4 Bioplyn (mil. m 3 ) 2 427, , ,7 Biopalivo (mil. litrů) ,6 361,9 Ekonomické a energetické bilance Celkový zisk výrobců suroviny Kč/ha Celkový zisk producentů energie Kč/ha Čistá bilance energie prvovýrobců (GJ/ha) Čistá bilance energie producentů energie (GJ/ha) Náklad na výrobu biopaliv (biolíh+meřo), mil. Kč ,2 Náklad spotřebitelů* 8 684, , ,5 na biopaliva, mil. Kč Pozn. Zajištění 5,75% podílu biopaliv na spotřebě paliv v ČR představuje v roce 2010 vyrobit přibližně 400 tis. tun biopaliv v olejovém ekvivalentu (1 t biolihu ~1.22 tuny v olejovém ekvivalentu).* Značí rozdíl mezi výdaji spotřebitelů na nakoupení konvenčních paliv a biopaliv. Zdroj: vlastní kalkulace v modelu AGROENERGY Následující graf znázorňuje změny v rozsahu produkce jednotlivých výrobků při různých kritériích optimalizace. První varianta (A1) slouží v grafu jako srovnávací pro ostatní. 84

86 Graf 5. Rozsah produkce pevného paliva (briket/pelet), bioplynu a biopaliva ze zemědělských surovin při různých kritériích optimalizace (var. A1 - max. zisku prvovýrobce = 100 %) 275% 250% 225% 200% 175% 150% 125% 100% 75% 50% 25% 0% Brikety/Pelety Bioplyn Biopalivo Max zisku prvovýrobce Max zisku zpracovatele Max energetického přebytku Max Z prvovýrobce, CZV+150 % Zdroj: vlastní kalkulace v modelu AGROENERGY 4.4 Závěr k optimalizačnímu modelu Optimalizační model AGROENERGY poskytuje důležité poznatky zejména pro rozhodování o alokaci veřejné podpory podle zvoleného cíle, možnosti zvyšovat energetický zisk z celkové zemědělské biomasy, nebo pro rozhodování o zdanění či podpoře některého druhu bioenergie. Výsledky ze stylizované úlohy ukazují, že rentabilita jednotlivých producentů ve vertikále je významně odvislá od struktury plodin, které slouží jako zdroj pro výrobu bionergie. Struktura plodin, ze které by zpracovatelé energie měli největší ekonomický přebytek (resp. nejnižší ztrátu), by znamenal významný pokles v produkci zisku energie z užívané plochy. Pokud se týká výroby biopliva, při stávajících podmínkách na trhu a uplatňovaných technologiích jsou náklady na výrobu vyšší než konvenční; patrně významnější je však její citlivost na vývoj cen vstupních surovin (zemědělské produkce). Při uvažování cílového rozsahu 550 tis. ha (současnost přibližně 130 tis. ha) využívaných pro biopalivo, by náklad spotřebitelů činil více než 20 mld. Kč. 5. Softwarový nástroj pro interaktivní sběr, zpracování a vyhodnocení vybraných energetických a ekonomických výsledků na úrovni jednotlivých podniků Jedním z výstupů projektu vytvořených v rámci plánu uplatnění výzkumu v roce 2011 je interaktivní software pro sběr, zpracování a vyhodnocení energetických a ekonomických výsledků na úrovni jednotlivých podniků Výchozí podmínky Uživatelské rozhraní programu kopíruje dotazník pro sběr individuálních dat o energetických a ekonomických vztazích v produkčním procesu vybrané komodity (pšenice). Data 9 Softwarový produkt, který bude v roce 2011 předložen k uplatnění jako kategorie výsledků výzkumu Software 85

87 o energetických vstupech a výstupech byla doplněna o vybrané ekonomické údaje potřebné pro kvantifikaci ekonomické stránky výrobního procesu. V rámci konceptu energetické analýzy je tok energií kalkulován na principu od kolébky do hrobu všech materiálů a zařízení vstupujících do systému definovaného podle stanovených pravidel a zároveň stejné toky spojené s produkty vystupujícími z tohoto systému. Současně jsou zjednodušeným postupem kalkulovány emise hlavních skleníkových plynů CO 2 a N 2 O 10. Jelikož je předmětem analýzy pšenice ozimá, nejsou kalkulovány emise metanu (CH 4 ), který je relevantní pro živočišnou výrobu. Ostatní skleníkové plyny uvažovány nebyly. V systému jsou kalkulovány všechny neobnovitelné zdroje energie účastnící se na tvorbě a dopravě vstupů do zemědělského podniku, včetně strojů, zařízení a budov (od dobývání surovin až po konečný výrobek) a energie zvolené komodity (pšenice ozimé) vyjádřená obsahem hrubé energie. Na rozdíl od metody PLANETE, která neuvažovala mezispotřebu a kalkulovala pouze energii na výstupu u bran zemědělského podniku (výrobky byly započítávány jen v případě, že skutečně opustí podnik a budou využívány jinými podniky), je v tomto komoditním přístupu kalkulováno s hrubou energií obsaženou ve vyprodukovaném objemu (vyprodukované zrno, vyprodukovaná sláma). Lidská práce je považována za obnovitelnou energii a nebyla do výpočtu zahrnuta. Otázky týkající se struktury pracovních sil a pracovní náročnosti produkce pšenice ozimé jsou v dotazníku obsaženy jako doplňkové otázky. Na vstupu do výrobního procesu jsou tedy uvažovány všechny výrobní faktory kromě práce fixní majetek i variabilní vstupy. Zohledňuje se také doprava vstupů do podniku. 5.2 Funkcionalita Z technologického hlediska je softwarový nástroj založen na technologii ASP.NET (.NET 4) a jako úložiště dat je použita relační databáze Firebird. Softwarový nástroj je subkontraktován profesionálním externím dodavatelem služeb. Součástí aplikace je zajištění proti zneužití individuálních dat. Po zaregistrování respondenta, přidělení přístupových údajů, aktivaci uživatelského účtu a přihlášení (vše přes zabezpečené spojení mezi webovým prohlížečem a webovým serverem protokol HTTPS) vyplní uživatel dotazník potřebný pro analýzu. Softwarový nástroj umožňuje nejen kategorizaci respondentů, ale také filtraci chybových údajů podle předem nastavených omezujících podmínek, dále umožňuje uživateli změnu již pořízených dat, opravu uživatelského profilu a generování potvrzení o úspěšném uložení dat do databáze. Je k dispozici také prostor pro dočasná data těch uživatelů, kteří přeruší komunikaci bez explicitního ukončení zadávání dat. Uživatelům jsou kromě jejich vlastních individuálních výsledků dostupné stránky se souhrnnými ukazateli souboru podniků z výběrového šetření, které proběhlo v rámci tohoto projektu a sledovalo energetické a ekonomické ukazatele za hospodářské roky 2007/08 a 2008/09. Tato referenční databáze bude pravidelně aktualizována o nově vložená data. Uživatelé mohou vkládat data za více hospodářských roků. Administrátor databáze může generovat výstupy z databáze ve formě spojovacích souborů (např. CSV 11 ), vyhodnocovat získaná data, provádět zásahy do databáze v případě, že jsou k dispozici aktuálnější koeficienty pro výpočet energie obsažené ve výrobních vstupech a výstupech z produkce pšenice ozimé. 10 Koeficienty použité pro kalkulaci emisí skleníkových jsou založeny na normativních údajích Mezinárodního panelu expertů na klimatické změny (IPCC), přičemž se převádějí na společný ekvivalent CO2 s ohledem na jejich účinek na infračervené záření, resp. schopnost globální oteplování. 11 Souborový formát pro výměnu tabulkových dat. 86

88 Důležitými podklady pro tvorbu softwarového nástroje jsou databáze zpracovaná v prostředí Microsoft Access a výpočetní algoritmus v Microsoft Excel. Databáze Access obsahuje všechny vstupní tabulky a vstupní a výstupní formuláře, které představují uživatelské rozhraní programu. Výpočetní algoritmus zpracovaný v prostředí MS Excel obsahuje vzorce a matici koeficientů pro přepočet vstupů a výstupů produkce pšenice ozimé na energetické ekvivalenty. Relace v databázi zobrazuje obrázek 1. Obrázek 1. Struktura databáze Jádrem celého systému je modul identifikace podniku. Primárním klíčem pro identifikaci uživatele a hospodářského roku, za který uživatel vkládá data, je IČ. Relace jsou nastaveny v režimu 1:N, tj. každému záznamu v tabulce na straně 1 může odpovídat více záznamů se shodným klíčem na straně N. Důvodem použití tohoto vztahu je požadavek, aby k jednomu IČ bylo možné vložit data za více hospodářských roků. 87

89 Databáze je členěna do formulářů, které logicky navazují od obecného popisu podniku, přes zadávání údajů o vstupech do výroby (osiva, hnojiva, prostředky ochrany rostlin, energie obsažené v PHM a ostatních zdrojích, stroje, budovy, práce prováděné formou externích služeb, lidská práce), údajů o produkci až po výsledkový formulář (report). Každému datovému poli ve formuláři jsou přiděleny vlastnosti. Volba vlastnosti datových typů je velice důležitá, protože ovlivňuje chování celé databáze. Nejčastěji používanými vlastnostmi datových polí jsou velikost pole (celé číslo, dlouhé celé číslo, text atd.), formát pole, vstupní maska (např. při zadávání roku je povoleno právě jen čtyřmístné číslo větší než 2000), titulek (převedení kódu pole do popisku, který se zobrazí uživateli) a výchozí hodnota pole. Ukázka vstupního formuláře pro zadávání dat je na obrázku 2. Obrázek 2. Ukázka vstupního formuláře pro zadávání dat Pro zvýšení kvality dat a zlepšení uživatelského komfortu jsou v programu využity ověřovací pravidla a filtry. Ověřovací pravidlo je kritérium, které musí splňovat údaj vložený do pole. Pokud není kritérium splněno, objeví se uživateli hlášení o chybě. Kromě jednoduchých ověřovacích pravidel (např. zadávaná hodnota musí být větší nebo rovna 0, zadávaná procentní hodnota nesmí být větší než 100), jsou použity i následující kombinovaná ověřovací pravidla a filtry: Formulář Obecný popis zemědělského podniku : 88

90 o Součet vlastní a najaté orné půdy musí být roven celkové výměře. o Součet vlastních a najatých TTP musí být roven celkové výměře. Formuláře Herbicidy, Insekticidy, Fungicidy, Regulátory růstu a jiné (všechny řádky/přípravky): o Množství aktivní látky musí být menší než celkové použité množství přípravku. Formuláře Organická hnojiva, Herbicidy, Insekticidy, Fungicidy, Regulátory růstu a jiné (všechny řádky/přípravky) o Filtr pokud respondent označí, že organická hnojiva, POR a regulátory růstu k pšenici ozimé neaplikoval, automaticky otázku přeskočí. Formuláře Traktory, Stroje pro zpracování půdy, Secí stroje, Stroje na kapalná hnojiva a POR. Stroje na tuhá hnojiva, Dopravní a manipulační technika, Stroje na sklizeň a sběr (všechny řádky/stroje) o Počet let do vyřazení stroje z provozu musí být maximálně dvoumístné číslo (aby se předešlo uvádění letopočtu vyřazení místo počtu let do vyřazení stroje). o Využití stroje pro výrobu pšenice ozimé musí být menší nebo rovno využití stroje v podniku celkem. Formulář Služby o Výměra pšenice ozimé, na které byla služba provedena, nesmí být vyšší, než celková výměra pšenice ozimé v daném roce uvedená na formuláři Obecný popis zemědělského podniku. Formulář Práce o Počet pracovníků (stálých i sezónních, v AWU) zapojených do výroby pšenice ozimé nesmí být větší, než počet pracovníků celkem využitých v podniku v daném roce (ve formuláři Obecný popis zemědělského podniku ). o Počet odpracovaných hodin pracovníků (stálých i sezónních) zapojených do výroby pšenice ozimé nesmí být větší, než počet odpracovaných hodin v celém podniku v daném roce (ve formuláři Obecný popis zemědělského podniku ). o Měsíční hrubá mzda nesmí být více než pětimístné číslo (aby se předešlo uvádění roční hrubé mzdy). S využitím matice koeficientů pro přepočet výrobních vstupů a produkce na energetické ekvivalenty a pomocí algoritmů, program kalkuluje strukturu energetických vstupů a energie obsažené v produkci a základní indikátory energetické analýzy. Struktura výsledků (report), který se zobrazuje uživateli aplikace, je znázorněn na obrázku 3. Při kalkulaci se vyčíslují přímé energetické vstupy (MJ/rok) 12, nepřímé energetické vstupy (MJ/rok) 13 a energetické výstupy (MJ/rok), které jsou pomocí konverzních koeficientů přepočítány na ekvivalent litru nafty (EQF) a ekvivalent tuny ropy (TEP). Důvodem je metodika energetické analýzy, která je založena na přepočtu energetických vstupů a výstupů na srovnatelnou veličinu, kterou je tzv. ekvivalent litru nafty (EQF). Jeden EQF je roven 1,17 litrům nafty, přičemž 0,17 litrů odpovídá energii na těžbu, rafinování a transport jednoho litru nafty. Další srovnatelnou veličinou, na kterou jsou přepočítávány energetické vstupy a výstupy je tzv. ekvivalent tuny ropy (TEP). Tyto konverzní jednotky jsou zvoleny proto, že mají větší vypovídací schopnost než kalorie neboi jouly. 12 Spotřeba nafty, ostatních ropných produktů, elektřiny, dodané služby, ostatní přímé energie. 13 Osivo, hnojiva minerální, hnojiva organická, prostředky ochrany rostlin, stroje a zařízení, budovy. 89

91 Obrázek 3. Výstupní formulář s výsledky energetické analýzy 5.3 Závěr k aplikaci sběrného formuláře Aplikace pro sběr, zpracování a vyhodnocení energetických a dílčích ekonomických výsledků na úrovni jednotlivých podniků je jedním z důležitých výsledků řešení projektu. Testovací spuštění se předpokládá v měsíci IV/2011, úplné spuštění v VI/2011. Aplikace je efektivním nástrojem především pro uživatele z řad zemědělců, kteří mají k dispozici uživatelsky přívětivý program pro vyhodnocení a mezipodnikovou komparaci energetické a ekonomické bilance při produkci pšenice. Výsledky mohou zemědělci využít pro hledání 90