IVP č. 1277/2014. Rozvoj matematických modelů pro predikce dopadů variant agrární politiky na ekonomiku a environmentální aspekty zemědělství

Transkript

1 Závěrečná zpráva o výsledcích řešení Interního výzkumného projektu IVP č. 1277/2014 Rozvoj matematických modelů pro predikce dopadů variant agrární politiky na ekonomiku a environmentální aspekty zemědělství Hlavní řešitel: Spoluřešitelé: Externí spolupráce: Rozšíření týmu: RNDr. Ivan Foltýn, CSc. Ing. Ida Zedníčková, Ing. Jaroslav Humpál, Mgr. Ondřej Chaloupka, Ing. Václav Voltr, CSc., Ing. Jakub Kučera, Ing. Marie Trantinová, Ph.D., Doc. Ing. Tomáš Doucha, CSc. Ing. Vojtěch Vávra, CSc. Ing. Olga Štiková, Ing. Ilona Mrhálková, Ing. Karina Pohlová Praha 2015 Tento výzkumný projekt byl financován z institucionální podpory na dlouhodobý rozvoj výzkumné organizace poskytnuté Ministerstvem zemědělství ČR z veřejných prostředků. 1

2 Abstract: The research team focused in 2014 on the further development of existing models FARMA-4, FARMA-5, RENT-4, development of new models SZU-P1, SZU-P2, AGRO-2014, and new procedures (method of seasonal trends) for assessing the impact of future variants of agrarian policy. There was described and verified advisory system FARMA-5 - connection of the model FARMA-5 with database BPEJ, with model erosion of farmland (ERO-1) and models of the impact of greenhouse gas emissions from animal production on the quality of agricultural land (EMI-1, IMI-1, DEP-1). There were constructed mathematical models (SZU-P1 and SZU-P2) that can be used for prediction results of the agricultural sector for the current year or for longer future period. There was created a new model of agrarian sector (AGRO-2014) as an interconnected system of individual sections ZEM-DOM, ZEM-IMP-EXP ZEM, POTR-DOM, POTR-IMP, POTR-EXP, OBCH and SPOT for the transformation of agricultural raw materials into food products and their consumption. Using the model AGRO-2014 it will be possible in the future to deal with issues such as providing nutrition of the population with regard to food security, self-sufficiency in crisis situations, the creation of material reserves etc. There was solved a hypothesis, whether in Czech market network there are discriminated domestic food producers against foreign producers through different margins. Shrnutí: Řešitelský tým se soustředil v roce 2014 na další rozvoj existujících modelů FARMA-4, FARMA-5, RENT-4, vývoj nových modelů SZU-P1, SZU-P2, AGRO-2014 a postupů (metoda sezónních trendů) pro posuzování dopadů budoucích variant agrární politiky. Byl popsán a ověřen poradenský systém FARMA-5 spojení modelu FARMA-5 s databází BPEJ, s modelem erozní ohroženosti zemědělské půdy (ERO-1) a s modely dopadů emisí skleníkových plynů ze živočišné výroby na kvalitu zemědělské půdy (EMI-1, IMI-1, DEP-1). Byly zkonstruovány 2 matematické modely (SZU-P1 a SZU-P2), které lze použít pro predikci výsledků zemědělského odvětví pro aktuální rok nebo víceleté budoucí období. Byl vytvořen nový model agrárního sektoru (AGRO-2014) jako vzájemně propojený systém jednotlivých sekcí ZEM-DOM, ZEM-IMP, ZEM-EXP, POTR-DOM, POTR- IMP, POTR-EXP, OBCH a SPOT pro simulace transformace zemědělských surovin do potravinářských výrobků a jejich spotřeby. Pomocí modelu AGRO-2014 bude možné v budoucnu řešit takové otázky jako zajištění výživy obyvatelstva s ohledem na potravinovou bezpečnost, soběstačnost v krizových situacích, tvorbu hmotných rezerv apod. Byla řešena hypotéza, jestli v obchodní síti ČR jsou diskriminováni domácí producenti potravin proti zahraničním výrobcům formou rozdílných marží. 2

3 Obsah Cíle IVP 1277 pro rok Metody řešení IVP 1277 pro rok Skutečně dosažené výsledky řešení IVP 1277 v roce Poradenský systém FARMA Model FARMA Model ERO Modely EMI-1, IMI-1, DEP Konstrukce poradenského systému FARMA Využití datových zdrojů LPIS a BPEJ pro systém FARMA Výsledky a diskuse Závěry Model Souhrnného zemědělského účtu Základní struktura SZÚ-ČSÚ Konstrukce modelu SZU-P Výsledky modelu SZU-P Konstrukce modelu SZU-P Popis submodelů modelu SZU-P Celkový popis modelu SZU-P Výsledky modelu SZU-P Model agrárního sektoru AGRO Sekce ZEM-DOM Sekce ZEM-IMP a ZEM-EXP Sekce POTR-DOM Sekce POTR-IMP a POTR-EXP Sekce OBCH a SPOT Odhad marží obchodu u domácích a dovážených potravin Formulace problému Řešení problému Metodika Výsledky a diskuse Závěr Model RENT-4 aktuální predikce rentability Model CENY-1 pro predikci CZV na rok Postup výpočtu

4 6 Podklady pro matematické modelování Technologické postupy výroby zemědělských komodit Modelové zpracování technologických postupů Omezení plynoucí z podmínek GAEC pro polní komodity Možné alternativy rámcového řešení pro omezení GAEC u širokořádkových plodin Vzájemná konkurence komodit rostlinné výroby Modifikace krmných dávek pro podmínky vybraných podniků Možnosti propojení programu BPEJ LPIS s modelem FARMA Celkové zhodnocení výsledků IVP a závěry práce Dosažené výsledky v oblasti rozvoje modelu FARMA Dosažené výsledky v oblasti modelování predikcí SZÚ (modely SZU-P1 a SZU-P2) Dosažené výsledky v oblasti modelování agrárního sektoru (model AGRO-2014) Dosažené výsledky v oblasti odhadu marží obchodu (aplikace modelu AGRO-2014) Dosažené výsledky v oblasti rozvoje modelu RENT Dosažené výsledky v oblasti analýz dalších možností matematického modelování ekonomických procesů v zemědělství Dosažené výsledky v oblasti budoucích perspektiv využití systému BPEJ pro rozvoj modelu FARMA Hlavní výsledky v oblasti publikační činnosti Literatura

5 Cíle IVP 1277 pro rok 2014 Cílem IVP je dále rozvíjet matematicko-modelový aparát pro predikci dopadů agrární politiky na zemědělské podniky i resort zemědělství jako celek v plánovacím období SZP Základní vybavení tohoto aparátu se skládá z matematických modelů FARMA-4 (optimalizační model predikce ekonomiky a ekologie zemědělského podniku), FARMA-5 (prostorový optimalizační model predikce ekonomiky a ekologie farem a odvětví zemědělství), RENT-4 (ekonometrický model predikce rentability zemědělských komodit), TF (optimalizační model predikce ekonomických a ekologických aspektů typových farem) a SZÚ (model predikce Souhrnného zemědělského účtu odvětví zemědělství). Zmíněný matematicko-modelový aparát je určen zejména pro top management odvětví zemědělství a pro poradenskou činnost resortu pro zemědělské podniky všech typů. Rozvoj modelů bude spočívat v implementaci tradičních i netradičních agroenvironmentálních způsobů zemědělského hospodaření (obsah a bilance živin, emise ze zemědělství, ekonomické aspekty intenzivního a extenzivního hospodaření apod.), uplatňování zemědělské biomasy jako OZE, implementace předpokladů, omezení a podmínek budoucích variant agrární politiky a specifikace podmínek spojených s definicí jednotlivých typových farem apod. Metody řešení IVP 1277 pro rok 2014 Zdokonalování matematicko-modelového aparátu se bude opírat o co nejefektivnější využití vědecko-výzkumných výsledků z následujících oblastí: nové výsledky v oblasti nákladového šetření (ÚZEI); zemědělské normativy a technologické postupy v zemědělství (Kavka a kol.); technologické postupy v zemědělství (VÚZT); stanovení výše nákladů odpovídajících agro-envi opatření, která se uvažují pro PRV, zejména mezní situace vedoucí k opouštění zemědělské půdy; ekonomické a ekologické analýzy zemědělského hospodaření na bázi BPEJ (Voltr a kol.); analýzy erozního ohrožení a protierozních ekologických postupů v zemědělském hospodaření farem; hodnocení snížení vodní eroze po zavedení GAEC 2 a nových poznatků o změnách srážkových poměrů v ČR (Ekotoxa výsledky projektu TAČR); analýzy emisí skleníkových plynů, imisí a atmosférické depozice dusíku (Ekotoxa výsledky projektu TAČR); bilance živin N, P, K v zemědělské půdě (VÚRV výsledky vědecko-výzkumných projektů); ocenění ztrát živin ze zemědělské půdy vlivem nevyrovnané (plusové) bilance živin; technologické postupy výživy hospodářských zvířat a modely výživy zvířat (AgroKonzulta Žamberk). Další rozvoj systému BPEJ a jeho implementace do modelu FARMA-5 rozšíření databáze BPEJ splňující podmínky pro vyhodnocení libovolné kombinace plodin na pozemcích; 5

6 modelování ekonomicko-technologických vazeb hospodaření ve vztahu k předplodinám; efektivní řešení zpětných vazeb výsledků modelu FARMA-5 do databáze BPEJ; hodnocení ekonomických dopadů zařazení ekologicky zdůvodněných skladeb plodin pomocí modelu FARMA-5; vyhodnocení modelových výsledků erozního ohrožení a návrhu skladby plodin podle BPEJ se zahrnutím vlivu eroze. Modely budou rozšířeny o možnost predikce vývojových trendů obohacených o sezónní složku (seasonal trend forecasting). Tato metoda umožňuje promítnout předchozí meziroční výkyvy dat do predikce. Vyvíjený a zdokonalený modelový aparát bude využíván pro: tematické úkoly MZe zaměřené na vliv dopadů agrární politiky na zemědělství ČR; rozvoj poradenství pro zemědělské podniky ČR; ekonomické a ekologické analýzy vybraných zemědělských podniků; predikce možných budoucích sazeb agrární politiky v oblasti přímých plateb a PRV. Rozvoj systému BPEJ ve spojení s modelem FARMA-5 V rámci IVP bude řešen další rozvoj systému BPEJ a jeho implementace do modelu FARMA-5: rozšíření databáze BPEJ splňující podmínky pro vyhodnocení libovolné kombinace plodin na pozemcích; modelování ekonomicko-technologických vazeb hospodaření ve vztahu k předplodinám; efektivní řešení zpětných vazeb výsledků modelu FARMA-5 do databáze BPEJ; hodnocení ekonomických dopadů zařazení ekologicky zdůvodněných skladeb plodin pomocí modelu FARMA-5; vyhodnocení modelových výsledků erozního ohrožení a návrhu skladby plodin podle BPEJ se zahrnutím vlivu eroze. Aktuální predikce rentability zemědělských komodit Na bázi modelu RENT-4 budou v průběhu roku 2014 postupně zpřesňovány a publikovány (pro potřeby ÚZEI a MZe) predikce rentability hlavních zemědělských komodit (obiloviny, řepka, cukrovka, brambory, mléko, jatečný skot, KBTPM, jatečná prasata, brojleři a vejce). Aktualizace predikcí rentability pro rok 2014 se budou opírat o zpřesňované odhady cen (na bázi měsíčních CZV ČSÚ), vývoji indexů cen zemědělské produkce a vstupů do zemědělství (ČSÚ podle čtvrtletí aktuálního roku) a aktualizace vývoje pravidel a plateb agrární politiky. Model SZÚ a predikce SZÚ V návaznosti na aktuální predikce rentability zemědělských komodit bude řešen vývoj modelu SZÚ spolu s testováním predikcí SZÚ za rok 2013 a na rok V této oblasti předpokládáme součinnost s úsekem FADN a jeho IVP pro modelové predikce SZÚ na bázi FADN. 6

7 Model výživy obyvatelstva a spotřeby potravin Na základě výsledků grantu Ministerstva vnitra, který byl ukončen v březnu 2013 a obhájen v květnu 2013, bylo navrženo rozšíření navrhovaného projektu IVP pro rok 2014 (předloženého ) o vývoj modelu VYZIVA-1. Model VYZIVA-2 by měl být návaznou verzí na modely VYZIVA-1 a ZEPOS-1 vytvořené v rámci grantu MV. Model bude vycházet ze skutečné spotřeby potravin a aktuální situace na trhu zemědělských komodit a potravinářského průmyslu a zahrne oblasti exportu a importu. Využitelnost výsledků IVP Vyvíjený a zdokonalený modelový aparát bude využíván pro: tematické úkoly MZe zaměřené na vliv dopadů agrární politiky na zemědělství ČR; rozvoj poradenství pro zemědělské podniky ČR; ekonomické a ekologické analýzy vybraných zemědělských podniků; predikce možných budoucích sazeb agrární politiky v oblasti přímých plateb a PRV. Plánované náklady IVP pro rok 2014 Osobní náklady: 500 tis. Kč Cestovné: 100 tis. Kč Subdodávky: 100 tis. Kč Celkem: 700 tis. Kč Výstupy IVP pro rok 2014 Články v recenzovaných nebo impaktovaných periodikách. Vystoupení na vědeckých konferencích. Skutečně dosažené výsledky řešení IVP 1277 v roce Poradenský systém FARMA-5 V současné době se zvyšují požadavky na zemědělské hospodaření ve směru trvalé udržitelnosti. Jedná se zejména o posilování pozitivních a eliminaci negativních dopadů na životní prostředí jako je eroze, nežádoucí kontaminace zemědělské půdy apod. Pro tyto účely byl navržen a schválen projekt Technologické agentury ČR Model FARMA-5 - Poradenský optimalizační systém pro simulaci optimálního chování zemědělských podniků ve vztahu k trvalé udržitelnosti zemědělství a zemědělským technologiím šetrným k životnímu prostředí s propojením na geografický informační systém. Poradenský systém FARMA-5 se skládá z následujících komponentů: matematický model FARMA-5 pro prostorovou optimalizaci výrobní struktury podniku na bázi půdních bloků, vytvořený v systému GAMS; model ERO-1 pro stanovení erozního ohrožení podniku na bázi GIS opírající se o klasifikaci BPEJ; modely EMI-1, IMI-1, DEP-1 pro stanovení dopadů atmosférické depozice dusíku do zemědělské půdy prostřednictvím bilance NPK. 7

8 Matematický optimalizační model FARMA-5 vypočítá optimální výrobní strukturu podniku vyhovující zadaným vstupům na základě variantního zadání optimalizace, a to ekonomické optimalizace (maximalizace zisku podniku bez ohledu na ekologická omezení), ekologické optimalizace 1 (maximalizace zisku podniku při současném zohlednění erozního ohrožení stanoveného modelem ERO-1), ekologické optimalizace 2 (maximalizace zisku podniku při současném zohlednění bilance N ve vztahu k výsledkům modelů EMI-1, IMI-1, DEP-1) a ekologické optimalizace 3 (maximalizace zisku podniku při různých kombinacích ekologické optimalizace 1 a 2). Využití poradenského systému FARMA-5 se předpokládá jak na podnikové úrovni, tak pro decizní sféru na úrovni MZe pro simulaci dopadů budoucích variant agrární politiky. 1.1 Model FARMA-5 Model FARMA-5 je model prostorové optimalizace, který umožňuje ekonomickou, technologickou a ekologickou optimalizaci výrobní struktury daného podniku na základě externích výrobních podmínek a její prostorové rozmístění v podniku v závislosti na geografických, půdních a environmentálních předpokladech o prostředí, v němž se podnik nachází. Síť půdních bloků a maticová informační báze Předpokládejme, že pro daný podnik existuje síť půdních bloků (PB) podniku, které jsou registrovány v systému LPIS s jednoznačným identifikačním kódem. Pro modelové zpracování se vytvoří matice vstupních údajů modelu MAT = (i,j), i = 1,,m, j =1,,n. Pro charakteristiku daného podniku se konstruuje systém matic MAT1, MAT2, atd. se stejnou strukturou, které obsahují důležité informace o jednotlivých PB podniku, jako jsou plošná velikost PB, průměrná nadmořská výška, průměrná svažitost, příslušnost PB do výrobních oblastí a do oblastí LFA, typ kultury (o. p. OP nebo travní porosty TTP), přiřazení BPEJ danému PB, kvalita zemědělské půdy (např. obsah humusu, zranitelnost dusíkem, erozní ohrožení, očekávaná výnosovost) apod. Množina rostlinných komodit modelu Do modelu se dále zavede množina KOM, která obsahuje významné komodity českého zemědělství (tržní komodity obiloviny, řepka, cukrovka, brambory apod., krmné plodiny na orné půdě silážní kukuřice, ostatní jednoleté pícniny a víceleté pícniny a konečně TTP louky a pastviny). Zemědělské komodity modelu jsou svázány s modelovou sítí podniku tak, že platí podmínka ke každému půdnímu bloku (i,j) MAT je přiřazena právě jedna komodita k KOM. Základní rozdělení komodit je vázáno na rozdělení zemědělské půdy na ornou půdu (OP) a TTP. To se realizuje pomocí podmnožin KOM-OP a KOM-TP množiny KOM, které reprezentují výběr komodit z množiny KOM, které mohou být pěstovány na OP, resp. TTP. Množina živočišných komodit modelu Ze živočišných komodit se do modelu zavádí jednotlivé kategorie chovu skotu, prasat a drůbeže pomocí množiny KOM-ZV, která navazuje na strukturu komodit modelu RENT-4 (Foltýn, Zedníčková, 2010). 8

9 Propojení rostlinných a živočišných komodit modelu Pro každou živočišnou komoditu množiny KOM-ZV je definována potřeba krmných živin (pomocí energetických jednotek NEL, NEV a ME) a pro každou rostlinnou komoditu je definován energetický obsah, který tato komodita jednotlivým kategoriím ŽV poskytuje jako krmivo z domácích zdrojů (tj. z produkce farmy). Model FARMA-5 zajišťuje propojení RV a ŽV pomocí soustavy rovnic: KRMpotr (komzv) <= suma (komrv KOM, KRMprod (komrv, komzv)) pro komzv KOM-ZV kde KRMpotr je krmná potřeba dané komodity komzv a KRMprod je krmná produkce komrv pro komoditu komzv. Krmná potřeba každé kategorie ŽV musí být pokryta analogickou produkcí RV. Ekonomické charakteristiky komodit Každé komoditě množiny KOM a každému PB jsou přiřazeny základní ekonomické veličiny výnosy (vyn), náklady (nak), podpory (pod), ceny (cen) a zisk (zis). Pro zisk na PB platí vztah zis(kom,i,j) = (cen(kom,i,j) * vyn(kom,i,j) + pod(kom,i,j) - nak(kom,i,j)) * pocha(i,j) kom KOM a (i,j) MAT, kde pocha(i,j) je velikost PB (i,j). Proměnné modelu Ke každé komoditě kom a každému PB (i,j) se přiřadí modelová proměnná x(kom,i,j), s hodnotami 0 nebo 1, která označuje, jestli komodita k leží nebo neleží na PB (i,j). Přitom platí, že x(kom,i,j) = 1, potom komodita kom KOM na PB (i,j) MAT leží = 0, potom komodita kom KOM na PB (i,j) MAT neleží. Řešení modelu FARMA-5 pak spočívá v nalezení takového rozmístění komodit na PB podniku, které splňuje určité předepsané podmínky, a je vzhledem k určitému kritériu nejlepší (optimální řešení). Základní omezení modelu Základní podmínkou modelu je prostorové rozmístění komodit, tj. na každém PB může být umístěna nejvýše jedna komodita. To lze matematicky vyjádřit vztahem Suma (kom KOM, x(kom,i,j)) 1, x(kom,i,j) = 0 nebo 1 pro všechny (i,j) MAT. Vzhledem k tomu, že takto formulovaná úloha vede k tzv. celočíselné optimalizaci, která je z hlediska matematické a softwarové řešitelnosti velmi obtížná, je tato podmínka zmírněna a převedena do tvaru Suma (kom KOM, x(kom,i,j)) 1, 0 x(kom,i,j) 1 pro všechny (i,j) MAT. Takto modifikovaný model je již řešitelný v přijatelném čase, jak vyplývá z experimentů s modelem FARMA-5. Tato zmírněná podmínka ovšem připouští i možnost, že na daném PB se může vyskytovat i více komodit s hodnotami proměnné x mezi nulou a jednou, jejichž součet je však maximálně roven jedné. Tento problém je pak nutné řešit post-optimalizačními procedurami, které zajistí celočíselnou řešitelnost. 9

10 Dolní a horní meze proměnných Pro proměnné x(kom,i,j) jsou zavedeny do modelu dolní a horní meze přípustných hodnot, které mohou během řešení tyto proměnné nabývat. Jsou označené symboly x.lo, resp. x.up (dolní, resp. horní mez) a platí pro ně omezení, které model dodržuje v průběhu celého procesu řešení 0 x.lo(kom,i,j) x(kom,i,j) x.up(kom,i,j) 1 pro všechny kom KOM a (i,j) MAT. Jestliže pro danou komoditu kom KOM a PB (i,j) MAT je zadáno x.lo(kom,i,j) = 1, potom dolní i horní mez jsou rovny jedné a v průběhu celého řešení nemůže na PB (i,j) vstoupit jiná než komodita kom. Komodita kom je tedy vnucena do řešení na tomto PB. Jestliže pro danou komoditu kom KOM a PB (i,j) MAT je zadáno x.up(kom,i,j) = 0, potom dolní i horní mez jsou rovny nule a v průběhu celého řešení nemůže na PB (i,j) vstoupit komodita kom. Komodita kom je tedy vyloučena z možnosti vstoupit do řešení na tomto PB. Omezení pro kultury, výrobní oblasti (VO) a LFA oblasti Uvedený postup zadávání mezí proměnných se v modelu využívá pro definici podmínek pro vymezení příslušnosti komodit k PB podniku (VO KR kukuřičná a řepařská, VO BR bramborářská, VO BH bramborářsko-ovesná a horská). Definice pro komodity na o. p. má tvar: pokud PB (i,j) obsahuje ornou půdu, potom x.lo(kom,i,j,) = 0 a x.up(kom,i,j) = 1 pro kom KOM-OP x.lo(kom,i,j,) = 0 a x.up(kom,i,j) = 0 pro kom KOM-TTP. Definice pro komodity na TTP má tvar: pokud PB (i,j) obsahuje TTP, potom x.lo(kom,i,j,) = 0 a x.up(kom,i,j) = 0 pro kom KOM-OP x.lo(kom,i,j,) = 0 a x.up(kom,i,j) = 1 pro kom KOM-TTP. Definice pro komodity, které se mohou pěstovat výhradně ve výrobní oblasti KR, např. komodita chmel (CHM): x.lo(chm,i,j,) = 0 a x.up(chm,i,j) = 1, pokud PB (i,j) leží ve VO KR x.lo(chm,i,j,) = 0 a x.up(chm,i,j) = 0, pokud PB (i,j) leží ve VO BR nebo BH. Analogická omezení by platila i pro výrobní oblasti BR a BH. Definice pro komodity, které se mohou pěstovat pouze v oblasti LFA-H, je uvedena na ilustrativním příkladu komodity kom KOM: x.lo(kom,i,j) = 0 a x.up(kom,i,j) = 1, pokud PB (i,j) leží v oblasti LFA-H x.lo(kom,i,j) = 0 a x.up(kom,i,j) = 0, pokud PB (i,j) leží v jedné z oblastí LFA-O, LFA-S a LFA-N. Ostatní omezující podmínky modelu Adekvátnost modelu realitě závisí na formulaci omezujících podmínek pro proměnné x(kom,i,j), které obsahují možnost výběru komodit na jednotlivých PB v závislosti na přírodních podmínkách: výměra, lokalizace v zemědělském prostoru, nadmořská výška, kvalita půdy, míra erozní ohroženosti apod.; na ekonomických podmínkách: hektarový výnos, náklady, ceny, podpory podle pravidel AP, zisk apod.; na specifických podmínkách: systém hospodaření pro daný PB, produkce v podmínkách agroenvi, podmínky pro erozní ohrožení, výpočet a omezení bilance živin NPK apod. 10

11 Optimalizační kritérium modelu Optimalizačním kritériem modelu je nalézt maximum celkového zisku podniku ZIScel = Suma (zis(kom,i,j), kom KOM a (i,j) MAT) při splnění všech zadaných omezujících podmínek. Propojení modelu FARMA-5 s databází BPEJ V rámci grantu NAZV (Voltr a kol., 2011) byla vytvořena databáze potenciální půdní úrodnosti na bázi BPEJ (bonitační půdně ekologické jednotky). Databáze BPEJ obsahuje zhruba typů BPEJ, které pokrývají veškerou zemědělskou půdu ČR. V rámci zmíněného výzkumu byl vytvořen statistický model výpočtu závislosti hektarových výnosů jednotlivých zemědělských plodin v závislosti na množině faktorů půdní úrodnosti definovaných v systému BPEJ (produkční funkce). Jedná se o nejvýznamnějších kvantifikovatelné faktory, jako jsou minerální hnojení N, P, K, chemická ochrana (POR přípravky ochrany rostlin), obsah humusu, erozní ohrožení, zranitelnost půdy dusíkem apod. Produkční funkce byla odvozena pro cca 20 rostlinných komodit a HPEJ (hlavní půdně ekologické jednotky), které představují cca 60 agregací BPEJ pro české zemědělství. V rámci databáze LPIS jsou pro každý půdní blok k dispozici i údaje o zařazení bloku do klasifikace BPEJ. Tím je umožněno propojení hektarové sítě modelu FARMA-5 s databází BPEJ pro uvažovaný podnik. 1.2 Model ERO-1 Pro posouzení míry ohroženosti půdních bloků erozí povrchovým odtokem se vycházelo z univerzální rovnice Wischmeier - Smith (tzv. rovnice USLE = Universal Soil Loss Equation), v modifikaci USLE 2D: G = R * K * L * S * C * P, kde v rámci zemědělského hospodaření je možné následujícími způsoby měnit hodnotu faktorů: G průměrná roční ztráta půdy v t.ha -1.rok -1, R faktor erozní účinnosti deště, nezávislý na zemědělské činnosti, K faktor náchylnosti půdy k erozi, závislý na zemědělské činnosti z dlouhodobého hlediska (např. degradace půdy, hutnění vlivem obdělávání), L faktor délky svahu, ovlivnitelný organizací pozemků, budováním mezí, cest, průlehů a aplikací jiných protierozních a protipovodňových opatření přerušujících svah, S faktor sklonu svahu, nezávislý na zemědělské činnosti, případně závislý v malé míře, C faktor ochranného vlivu vegetace, velmi závislý na zemědělské činnosti (výběr plodiny, vegetační období, použití podsevu apod.), P faktor vlivu protierozních opatření, velmi závislý na zemědělské činnosti (způsob obdělávání, aplikace půdoochranných postupů). Z výše uvedeného vyplývá, že při konstantních hodnotách faktoru R (průměrná hodnota 40) a faktoru P (P=1) lze vypočítat součin faktorů R, K, L, S, P pro každý blok a poté vynásobením hodnotou faktoru C - variantně pro navrhovanou plodinu - získat odhadovanou hodnotu míry erozního smyvu pro uvedený blok. Tento postup byl využit při přípravě dat pro zapracování míry erozního ohrožení do modelu FARMA-5. 11

12 Hodnoty erodovatelnosti vztažené k hlavní půdní jednotce (faktor K) byly v projektu aktualizovány, přitom zachovány zůstaly průměrné hodnoty faktoru C, ale byly specifikovány pro jednotlivé plodiny (nikoli však pro různé způsoby obdělávání či použití podsevů), doporučená průměrná hodnota faktoru R se zvýšila na 40, což proti původní metodice (R=20) znamená zvýšení výpočtových hodnot o 100 %. Došlo i ke sjednocení přípustných limitů ztráty půdy u hlubokých a středně hlubokých půd na 4 t.ha -1. rok -1, přičemž půdy mělké jsou doporučeny k zatravnění. Příprava databáze Zpracovatel měl k dispozici vektorovou vrstvu půdních bloků jednotlivých podniků se základní databází exportovanou z autorizované sekce portálu LPIS ve formátu ESRI shapefile. Dále byly zajištěny exporty databází v dbf z autorizované sekce portálu LPIS s informacemi o půdních a erozních poměrech (viz tab. 1/01), které definují podmínky hospodaření na pozemku s ohledem na dotační politiku. V prvním kroku bylo provedeno databázové propojení databází přes klíčové pole ID_FB (kód půdního bloku) a napojení na shapefile půdních bloků. Pro výpočty a vizualizace erozního ohrožení tak byly připraveny základní informace uvedené v následující tabulce. Tab. 1/01 - Základní parametry bloku související s erozním ohrožením napojené do atributové tabulky shapefile. Název pole Typ pole Délka pole Popis pole ID_FB N 10 Vnitřní identifikátor záznamu dat o půdním bloku. KULTURAKOD C 1 Kód kultury ZKODFB C 10 Zkrácený kód bloku SVAZITOST N 3,1 Průměrná svažitost PB/DPB dopočítaná systémem pomocí dat ZABAGED BPEJ_xx N 7,2 Rozpočítaná výměra PB/DPB v ha, na dvě desetinná místa dle BPEJ KOD_EROZ_O C 6 Kód erozního ohrožení Ax(N1), Bx, AxBx(N1) POT_MEO C 20 Kódy vhodných specifických opatření aplikovatelných na MEO Px, Zx, Sx, Vx, Kx MELIORACE C 3 Meliorace ANO/NE Pramen: LPIS Výskyt půd se silným či mírným erozním ohrožením (SEO, MEO) na půdních blocích Informace o výskytu silně erozně ohrožené půdy na bloku definuje omezení v použití plodin v modelu FARMA-5. Protože informace nemá prostorovou lokalizaci, podmínka vyloučení erozně nebezpečné plodiny se vztahuje na celý blok s výskytem SEO. Specifikace SEO, MEO a podrobný popis opatření lze nalézt na webových stránkách MZe, portál farmáře. Za pomocí GIS a databázových analýz v prostředí programů ArcGIS a USLE 2D byly připraveny základní vrstvy pro výpočet erozního smyvu, které byly následně převedeny do jednotné rastrové podoby (ESRI grid) s rozlišením 10 m se společným počátkem a rozsahem řešených parcel jednotlivých podniků. Rastry dílčích faktorů byly mezi sebou vynásobeny a zonální statistikou nad rastry v rozsahu půdních bloků podniků byly vypočteny sumární hodnoty součinu pěti faktorů, které byly tabelárně zpracovány a sloužily jako základní podklad pro variantní dopočet erozních smyvů v modelu FARMA-5. 12

13 Obr. 1/01 Schéma postupu erozních výpočtů do modelu FARMA-5. Erozní model ERO-1 vyhodnocuje při modelování hospodaření zemědělského podniku změnu míry erozního smyvu na jednotkové ploše (v tomto případě na půdním bloku). Vzhledem k tomu, že model nereflektuje zásahy do pozemku typu vybudování průlehu či meze, tedy protierozních prvků přerušujících svah, dá se v rámci pozemku suma součinů faktorů L, S, K, R a P považovat za konstantní. Změnou plodiny dochází potom pouze ke změně faktoru C, výsledná míra erozního smyvu je tak závislá pouze na modelové změně tohoto faktoru. Výsledná hodnota průměrného ročního erozního smyvu z bloku se v modelu FARMA-5 měnila dle navrhované plodiny, tedy se změnou faktoru C. Pro import do modelu byla pro každý podnik připravena tabulka skládající se z identifikátoru bloku, informace o erozním ohrožení a vhodných opatřeních dle LPIS, a sloupcem se součinem faktorů L, S, K, R, P z rovnice USLE. Hodnota těchto faktorů pro každý blok byla získána zonální sumou hodnot součinu rastrů jednotlivých faktorů v rozsahu bloku. 1.3 Modely EMI-1, IMI-1, DEP-1 S problémem negativních dopadů zemědělské činnosti na životní prostředí významně souvisí koloběh živin N, P, K v zemědělské půdě. Vstup dusíku do zemědělské půdy z průmyslových a organických hnojiv a z atmosférické depozice působí jednak pozitivně - jako nejvýznamnější faktor ovlivňující výši dosahovaných hektarových výnosů plodin, jednak negativně únik dusíku ze zemědělské půdy do spodních vod a negativní vliv atmosférické depozice dusíku na lesní ekosystémy v okolí zemědělského podniku. Z uvedených důvodů je významným problémem hodnocení celkové bilance dusíku v zemědělské půdě a stanovení podílu atmosférické depozice dusíku na celkovém vstupu dusíku do 13

14 zemědělské a lesní půdy. Pro stanovení celkové depozice dusíku jsou významné oxidované formy dusíku (oxidy dusíku, dusičnany v aerosolu a ve srážkách) a redukované formy (amoniak, amonné ionty v aerosolu a ve srážkách). Z tohoto důvodu byly pro stanovení optimální struktury výroby zemědělských podniků navrženy a testovány modely EMI-1, IMI-1 a DEP-1 pro stanovení celkové depozice dusíku do zemědělské a lesní půdy v okolí těchto podniků. Byl navržen model EMI-1, který modeluje emise amoniaku (NH 3 ) z počtu hospodářských zvířat a průměrného ročního emisního koeficientu pro jednotlivé druhy zvířat. Emisní koeficient je založen na měření emisí ustájených zvířat v České republice (Zapletal, Chroust, 2006a) a zahrnuje čtyři typy produkce emisí NH 3 - emise z ustájení, emise ze skladování hnoje (kejdy), emise z aplikace hnoje (kejdy) a emise z pastevní periody. K odvození atmosférické koncentrace amoniaku v různých vzdálenostech od zemědělského zdroje byl navržen model IMI-1, který vychází ze vztahu, který navrhli Theobald et al. (2006). Tento model poskytuje exponenciální křivku, která stanoví, jak se atmosférická koncentrace NH 3 snižuje se vzdáleností od zdroje v závislosti na množství emisí NH 3 ze zdroje, pravděpodobnosti rychlosti a směru větru, charakteru povrchu mezi zdrojem emisí NH 3 a místem, pro které je modelována koncentrace amoniaku a následně suchá depozice amoniaku. Pomocí naměřených koncentrací amoniaku v různých vzdálenostech od zemědělského podniku s chovem skotu v závislosti na meteorologických a environmentálních charakteristikách byl model IMI-1 kalibrován. Koncentrace NH 3 prudce klesala se vzdáleností od zdroje. Byla dosažena dobrá shoda mezi měřenou a modelovanou koncentrací NH 3 (Zapletal, Chroust, 2014). Byla zpracovaná regionální meteorologická data pro model IMI-1 na území České republiky. Pro mapové zpracování rychlosti větru a četnosti směru větru bylo vybráno 36 meteorologických synoptických stanic a 2 sondážní stanice na území České republiky s dlouhodobou řadou pozorování. Pro 47 oblastí na území ČR byly základní osmisměrné růžice rozděleny do jednotlivých tříd stability atmosféry a jednotlivých tříd rychlosti větru. Byly porovnány modelované rychlosti a četnosti směru větru pro vybranou oblast, ve které se nachází zemědělský podnik a naměřené rychlosti a četnosti směru větru v areálu tohoto zemědělského podniku. Byla dosažena dobrá shoda mezi měřenou a modelovanou rychlostí a četností směru větru. Model IMI-1 zohledňuje účinky různých pravděpodobností rychlosti a směru větru s využitím průměrných dat pro ČR (ČHMÚ, 2007a, 2007b) a charakteristiky využití ploch (EEA, 2005) mezi zdrojem a místem, pro které bude modelována depozice. Modely EMI-1 a IMI-1 byly propojeny s regionálními meteorologickými charakteristikami 47 oblastí na území ČR v prostředí Visual Basic Integrovaný modul po zadání vstupních parametrů (charakteristiky chovu hospodářských zvířat, charakteristiky povrchu v okolí zemědělského podniku, číslo oblasti, ve které se nachází zemědělský podnik) vypočte emise amoniaku a následně imisní koncentrace amoniaku v okolí zemědělského podniku v závislosti na meteorologických a environmentálních podmínkách ve zvolené oblasti. Pro stanovení celkové depozice dusíku na pozadí v okolí těchto podniků byl navržen model DEP-1, kterým byla modelována celková depozice dusíku jako součet celkové mokré a suché depozice oxidovaných sloučenin dusíku (NO x, dusičnanů ve srážkách) a celkové mokré a suché depozice redukovaných sloučenin dusíku (NH 3 a amonných iontů ve srážkách) v síti 1x1 km na území České republiky. Suchá depozice ve čtverci 1x1 km byla modelována z hodnot koncentrací plynných složek (NO x, NH 3 ) v ovzduší a jejich depozičních rychlostí. Depoziční rychlosti oxidů dusíku (NO x ) a amoniaku (NH 3 ) byly modelovány z meteorologických dat, dat o drsnosti povrchu a využití ploch pomocí rezistenčního modelu (Zapletal, 2001). Mokrá depozice dusičnanů a amonných iontů byla vypočtena ze srážkových úhrnů a koncentrací NO 3 - a NH 4 + ve srážkách. Celková depozice dusíku je 14

15 součtem celkové suché depozice dusíku (NO x, NH 3 ) a celkové mokré depozice dusíku (NO - 3, NH + 4 ). Výstupem modelu DEP-1 je mapa celkové depozice oxidovaných a redukovaných forem dusíku na pozadí v síti 1x1 km na území ČR. Celková aktuální depozice dusíku pro půdní bloky a lesní půdu v okolí zemědělských podniků byla vypočtena jako součet celkové depozici dusíku na pozadí ve čtverci 1x1 km, ve kterých se nachází půdní bloky zemědělských podniků podle LPIS a suché depozice amoniaku v okolí těchto podniků. Suchá depozice amoniaku byla vypočtena z modelovaných hodnot koncentrací NH 3 v ovzduší pomocí modelu IMI-1 a jejich depozičních rychlostí. Celková aktuální depozice dusíku (vypočtena jako součet suché depozice amoniaku a celkové depozice dusíku na pozadí) se porovnává s kritickou zátěží dusíku vypočtenou na základě hmotové bilance vodíkových iontů v lesních půdách a empirickou kritickou zátěží dusíku pro lesní půdy (Zapletal, 2006b). Emise NH 3 ze zemědělských podniků mohou potenciálně negativně ovlivnit lesní ekosystém v okolí těchto podniků. 1.4 Konstrukce poradenského systému FARMA-5 Propojením modelu FARMA-5, modelu ERO-1 a modelů EMI-1, IMI-1 a DEP-1 byl vytvořen poradenský systém FARMA-5, který umožňuje optimalizovat výrobní strukturu a snížit riziko erozního ohrožení a dosáhnout přijatelných hodnot bilance živin N, P, K v zemědělské půdě. Fungování poradenského systému FARMA-5 pro konkrétní zemědělský podnik lze popsat v následujících krocích: Krok 1: Z databáze LPIS se vygeneruje databáze půdních bloků spolu s dalšími informacemi jako jsou identifikace kultury (OP nebo TTP), příslušnost PB k výrobním oblastem, oblastem LFA, dále průměrná svažitost PB a přiřazení BPEJ k PB. Krok 2: Z informací v kroku 1 se vygeneruje systém 11 matic MAT1,,MAT11 pro model FARMA-5. Krok 3: Pomocí modelu ERO-1 se vygeneruje matice parametrů erozní ohroženosti jednotlivých PB v závislosti na vybraných zemědělských komoditách. Krok 4: Pomocí modelů EMI-1, IMI-1 a DEP-1 a na základě lokalizace živočišné výroby do stájí a jiných zařízení ŽV se vygeneruje matice atmosférické depozice dusíku pro všechny půdní bloky podniku. Krok 5: Propojením modelu FARMA-5 s modelem RENT-4 a s databází BPEJ se vygeneruje matice produkčně ekonomických vstupů modelu pro každý PB a každou komoditu RV: hektarové výnosy, náklady, podpory a tržní ceny, dále pak úroveň hnojení N, P, K podle komodit. Krok 6: Zadá se výchozí výrobní strukturu podniku RV (podle PB) a ŽV pro celý podnik. Krok 7: Model FARMA-5 je připraven k optimalizaci výrobní struktury při respektování problematiky eroze (zadání ano/ne) a respektování vyváženosti bilance živin N, P, K s modelově odvozenou atmosférickou depozicí (zadání ano/ne). 1.5 Využití datových zdrojů LPIS a BPEJ pro systém FARMA-5 Základní myšlenka Využít zdroje LPIS, které jsou uživateli běžně dostupné, jako vstupní data do matematického modelu a do modelu erozního ohrožení ERO-1, jejichž výstupy budou zpětně uživateli navrhovat optimalizované využití obhospodařovaných pozemků. 15

16 Rozsah a podrobnost Metoda byla ověřena na 11 zemědělských podnicích, které hospodaří v okresech Příbram, Prachatice, Český Krumlov, České Budějovice, Jindřichův Hradec, Ústí nad Orlicí, Blansko, Bruntál a Opava. Všechny charakteristiky byly zjišťovány na úrovni jednotlivých obhospodařovaných půdních bloků (PB). Sledované charakteristiky Individuálně pro každý podnik vstupují do modelu následující dostupné charakteristiky z LPIS: mapová vrstva půdních bloků obhospodařovaných příslušným podnikem (součástí připojené databáze je i výměra, průměrná sklonitost a nadmořská výška pozemku, kultura, příslušnost PB ke katastrálnímu území); detailní údaje LPIS (LFA, zranitelné oblasti dusíkem, vzdálenost od vody, meliorační zásahy, aplikační pásmo, vhodnost k zatravnění); údaje o erozní ohroženosti (kód erozní ohroženosti GAEC, výměra silně/mírně erozně ohrožených půd, nejdelší odtokové linie, vhodnost k setí a sázení); závazky AEO (kód závazku, výměra zatravnění apod.); BPEJ (kód a příslušná výměra všech BPEJ evidovaných na PB); zemědělské výrobní oblasti (ZVO). Použité datové zdroje a dostupnost Data LPIS získá sám uživatel prostřednictvím aplikace Portál farmáře (eagri) na Zde je možné stahovat balík Datawell, který obsahuje aktuální mapové podklady PB ve formátu shp včetně některých základních charakteristik. Součástí balíku je také databáze BPEJ vztažených k jednotlivým PB. Limitujícím faktorem pro získání balíku Datawell je dostupnost mapových podkladů a data BPEJ, která lze získat pouze ve spolupráci s uživatelem. V případě exportu ostatních dat LPIS (detailních údajů k PB, údajů o erozní ohroženosti a seznamu závazků AEO) bylo možné k těmto datům přistupovat prostřednictvím portálu MZe na odkud lze data exportovat k určitému datu ve formátu *.xls. Postup Jedná se o propojení dat na úrovni PB. Bylo využito jednak nástrojů ArcView, jednak MS Access. Pro potřeby výpočtů erozního ohrožení byla sestavena databáze výše uvedených charakteristik LPIS, BPEJ a ZVO, která byla následně připojena přes identifikátor půdního bloku (IDFB) k mapové vrstvě PB. Tatáž databáze vstupuje do matematického modelu FARMA-5, avšak bez mapových dat. Údaje o BPEJ bylo nutné transformovat z původního formátu, kdy databáze obsahovala duplicitně seznam PB a k nim vždy přiřazený typ BPEJ s příslušnou výměrou (tab. 1/02) do tabulky, která obsahuje kód PB jako jedinečný ukazatel a jednotlivé typy BPEJ jsou v řádku seřazené podle významnosti od největší výměry po nejmenší (tab. 1/03). 16

17 Tab. 1/02 - Původní formát dat BPEJ po stažení z Datawell LPIS IDBF BPEJ_KOD VYMERA , , ,84 Pramen: LPIS Tab. 1/03 - Data BPEJ po transformaci na jeden řádek IDFB BPEJ1 VYM1 BPEJ2 VYM2 BPEJ3 VYM , , ,84 Pramen: vlastní výpočty Údaje o ZVO jsou známy na úrovni katastrálních území. Každému PB byla přiřazena příslušná ZVO podle toho, v jakém katastru se vyskytuje centroid (těžiště) polygonu PB (zdroj LPIS). 1.6 Výsledky a diskuse Pro testování funkčnosti poradenského systému FARMA-5 bylo vybráno 11 zemědělských podniků. Pro ilustraci je uveden výběr výsledků podniku X, který reprezentuje celou skupinu. Základní charakteristiky podniku X Podnik X se rozkládá na téměř 190 PB, z nichž jednu třetinu tvoří orná půda a dvě třetiny TTP, a leží převážně v bramborářské výrobní oblasti a v LFA ostatní. Podnik X se zaměřuje na produkci obilovin (pšenice ozimá a jarní, ječmen ozimý a jarní) a olejnin (řepka, mák), dále na produkci objemných krmiv pro ŽV (silážní kukuřice, víceleté pícniny a TTP-louky). V živočišné výrobě je podnik zaměřen na chov dojeného skotu (cca 500 kusů, z nichž 50 % tvoří dojnice) s tržní produkcí mléka a prodejem mladého skotu. Ekonomická optimalizace podniku X Pro podnik X byla provedena řada modelových výpočtů pomocí modelu FARMA-5 porovnávajících výchozí výrobní strukturu uvažovanou podnikem (var. BAS) s optimalizovanou výrobní strukturou, kde jsou o 20 % uvolněny rozsahy pěstování jednotlivých plodin (var. OPT). Pro optimalizační výpočty obou variant byly využity teoretické předpoklady o hektarových výnosech na jednotlivých PB odvozených z databáze BPEJ, a o nákladech, cenách a podporách jednotlivých komodit z modelu RENT-4 ve vztahu k výrobním oblastem a klasifikaci LFA. Výpočet pro var. BAS představuje pro podnik X celkový zisk cca 8 mil. Kč, zatímco ve var. OPT cca 11 mil. Kč. Rozdíl obou hodnot dokumentuje výrobní potenciál podniku odhalený modelem FARMA-5. Ekologická optimalizace podniku X Hlavním přínosem uplatnění poradenského systému FARMA-5 pro podnik X jsou výpočty ekologické optimalizace, kde se uvažují ekologická kritéria erozní ohrožení (výsledky modelu ERO-1) a omezení bilance živin N, P, K (výsledky modelů EMI-1, IMI-1 a DEP-1). Výsledky výpočtů ekologické optimalizace jsou uvedeny v tab. 1/04. 17

18 Tab. 1/04 - Optimalizace výrobní struktury podniku X s respektováním erozního ohrožení a bilance NPK Ukazatel Eroze Depozice N Vstup N Odběr N Bilance N Vstup P Odběr P Bilance P Vstup K Odběr K Bilance K t/ha kg N/ha kg N/ha kg N/ha kg N/ha kg P/ha kg P/ha kg P/ha kg K/ha kg K/ha kg K/ha Var. 1 - zadání: eroze=0 1), bilance NPK=0 2), zisk celkem tis. Kč min na PB 0,00 10,85 21,32 0,00-87,44 0,00 0,00-64,33 0,00 0,00-183,32 max na PB 44,36 28,54 214,32 157,87 143,97 10,00 74,33-5,13 15,00 198,32-7,92 průměr z. p. 4,18 13,96 122,72 87,43 49,25 8,57 34,74-26,18 12,85 91,42-78,57 Var. 2 - zadání: eroze=0 1), bilance NPK=1 2), zisk celkem tis. Kč min na PB 0,00 10,85 33,89 42,86 1,16 2,56 12,46-32,45 3,84 53,84-50,00 max na PB 36,58 28,54 138,60 100,12 50,00 10,00 41,66-5,13 15,00 65,00-44,35 průměr z. p. 4,96 13,96 86,89 61,74 39,11 6,68 23,49-16,81 10,02 59,91-49,89 Var. 3 - zadání: eroze=1 1), bilance NPK=0 2), zisk celkem tis. Kč min na PB 0,01 10,85 0,00 0,00-8,35 0,00 0,00-65,03 0,00 0,00-191,75 max na PB 3,87 28,54 196,18 164,87 160,11 10,00 75,03 0,00 15,00 206,75 0,00 průměr z. p. 1,68 13,96 109,67 78,94 44,70 8,06 30,75-22,70 12,08 82,76-70,67 Var. 4 - zadání: eroze=1 1), bilance NPK=1 2), zisk celkem tis. Kč min na PB 0,01 10,85 3,13 16,78 1,16 1,43 3,85-32,06 2,15 19,93-50,00 max na PB 18,17 28,54 135,31 98,43 50,00 10,00 41,49-2,27 15,00 64,92-17,56 průměr z. p. 3,36 13,96 78,72 57,57 35,11 6,28 21,64-15,35 9,43 56,33-46,90 1) Eroze=0 při výpočtu se neuvažuje omezení pro erozi; eroze=1 při výpočtu se uvažuje omezení pro erozi zisku podniku. Smyv z. p. na hektar na každém PB nesmí překročit hodnotu 4 t. 2) Bilance NPK=0 při výpočtu se neuvažuje omezení bilance živin; bilance NPK=1 při výpočtu se uvažuje omezení bilance živin. Rozmezí 50 až +50kg N, P, K na ha z. p. na každém PB. Pramen: vlastní výpočty Přínos optimalizace indikátorů zemědělského hospodaření ve vztahu k životnímu prostředí a jejich promítnutí do celkové ekonomiky zemědělského podniku je bez složitých výpočtů nemožné. Proto výpočet celkového zisku při respektování určitých omezení, opírající se o zmíněné indikátory, může pomoci při rozhodovacím procesu, kterým směrem se má zemědělský podnik rozvíjet, nebo naopak utlumit některé směry výrobního zaměření. V případě bilance dusíku, ale také fosforu a draslíku, nesmí docházet k dlouhodobým nevyrovnaným bilancím (nedostatku nebo přebytku) těchto živin. Bilance NPK je ovlivňována i procesem emise amoniaku ze živočišné výroby a následnou atmosférickou depozicí dusíku. Dalším důležitým indikátorem je erozní ohroženost určitých částí zemědělské půdy, kde nevhodný způsob hospodaření může vést k významným erozním smyvům půdy s nepříznivými důsledky na snižování úrodnosti i k úbytkům zemědělské půdy. Na základě přesných údajových vstupů opírajících se o univerzálně dostupné informace (LPIS) a o speciální měření emisí v daném podniku může potom model FARMA-5 prostřednictvím modelových simulací poskytnout cenné informace a návody, jak se vyhnout možným negativním důsledkům hospodaření. Naopak centrálním orgánům mohou propočty nad typovými farmami ukázat problematické lokality v českém zemědělství, kde lze negativní důsledky hospodaření předpokládat. Na základě modelových výpočtů potom navrhnout takové stimulační správně cílené podpory českým producentům, které by měly působit na minimalizaci nebo eliminaci negativních důsledků, a tím představit celospolečenské pozitivní dopady budoucí agrární politiky. Poradenský systém FARMA-5 a jeho softwarové zabezpečení ve spolupráci s řešitelským týmem a systémem poradců by měl být k dispozici pro operativní řešení problémů zemědělství pro obě zmíněné sféry budoucího užití (zemědělské podniky i MZe). 1.7 Závěry Poradenský systém FARMA-5 může sloužit jako základ metodiky pro navrhování a vyhodnocování budoucího vývoje zemědělských podniků a současně umožnit respektování jejich specifických výrobně-ekonomických a organizačních podmínek. V případě zpracování větších územních celků umožňuje softwarový aparát zkoumat chování zemědělských podniků v souladu s hlavními cíli SZP EU, tj. zajistit trvale udržitelný rozvoj zemědělských podniků s respektováním požadavků správné zemědělské praxe a zemědělskými technologiemi šetrnými k životnímu prostředí. 18

19 2 Model Souhrnného zemědělského účtu Souhrnný zemědělský účet (SZÚ) je sestavován na základě nařízení Evropského parlamentu a Rady (ES) č. 138/2004 ve všech státech EU. Je základním metodologickým nástrojem pro měření ekonomické velikosti a výkonnosti odvětví zemědělství, resp. zemědělské prvovýroby, v rámci národního hospodářství. Je využíván pro srovnání výkonnosti zemědělství jednotlivých členských států. V ČR je SZÚ každoročně zpracováván ČSÚ, který výsledky zveřejňuje na svých webových stránkách (SZÚ-ČSÚ). SZÚ se člení na čtyři části: účet výroby, účet tvorby důchodu, účet podnikatelského důchodu a součásti kapitálového účtu. Čtvrtá část SZÚ se nesestavuje u předběžných výsledků roku, pouze u definitivních výsledků za daný rok. Termíny odesílání výsledků SZÚ do Eurostatu jsou závazné pro všechny členské země EU: - 1. odhad SZÚ za rok n v listopadu roku n odhad SZÚ za rok n v lednu roku n+1. - semidefinitivní data za rok n v září roku n+1. - definitivní data za rok n v září roku n+2. Pro potřeby predikcí vývoje zemědělství a dopadů agrární politiky byly v ÚZEI navrženy 2 alternativní modelové přístupy k odhadu SZÚ pro aktuální rok (model SZU-P1) a pro delší časové období (model SZU-P2). Oba modely byly naprogramovány v prostředí Microsoft Excel a využívají tyto zdroje: 1. ČSÚ časové řady cen zemědělských výrobců (CZV), měsíční a průměr roku. 2. ČSÚ časové řady vybraných ukazatelů SZÚ. 3. Interní databáze ÚZEI Baseline časové řady naturálních a ekonomických ukazatelů. 4. Model RENT-4 predikční ekonometrický model, řešící ekonomické predikce 37 podstatných komodit českého zemědělství (Foltýn a Zedníčková, 2012). Poznámka: V celé kap. 2 předpokládáme následující definice pojmů projekce a prognóza. Projekcí rozumíme budoucí vývoj (trend) určitého ukazatele, založený na předem zadaných předpokladech. U projekce se jedná o řízený budoucí trend. Prognózou na rozdíl od projekce rozumíme takový budoucí vývoj (trend) určitého ukazatele, který z hlediska vědeckých znalostí a předpokladů o budoucnosti je objektivní a nejpravděpodobnější. 2.1 Základní struktura SZÚ-ČSÚ SZÚ je globální účetní schéma, které shrnuje výsledky odvětví zemědělství za daný kalendářní rok. Ve struktuře, kterou každoročně publikuje ČSÚ, obsahuje 31 základních ukazatelů u01,, u31 v hodnotovém vyjádření (mil. Kč) s následujícím obsahem: u01 u02 u03 u04 celková produkce obilovin, která zahrnuje hodnotovou produkci pšenice, žita, ječmene, ovsa, kukuřice na zrno, rýže a ostatních obilovin celková produkce technických plodin, která zahrnuje produkci olejnin (řepka, slunečnice, sójové boby, ostatní olejniny), luskovin vč. osiva, surový tabák, cukrovou řepu a ostatní technické plodiny (textilní plodiny, chmel) celková produkce krmných plodin zahrnující silážní kukuřici, krmné okopaniny a ostatní pícniny celková produkce zeleniny a zahradnických výrobků (čerstvá zelenina květák, rajčata, ostatní zelenina, sazenice a květiny) 19

20 u05 celková produkce brambor vč. sadby u06 celková produkce ovoce zahrnující čerstvé ovoce (stolní jablka a hrušky, broskve ostatní čerstvé ovoce), citrusové plody, tropické plody, vinné hrozny a olivy u07 celková produkce stolního a jakostního vína u08 celková produkce olivového oleje u09 celková produkce ostatních rostlinných výrobků (např. osiva) u10 celková rostlinná produkce (u u09) u11 celková produkce zvířat zahrnující skot, prasata, lichokopytníky, ovce a kozy, drůbež a ostatní zvířata u12 celková produkce živočišných výrobků mléko, vejce a ostatní výrobky u13 celková živočišná produkce (u11 + u12) u14 celková produkce zemědělských výrobků (u10 + u13) u15 celková produkce zemědělských služeb zahrnující zemědělské služby a výnosy z pronájmu mléčné kvóty u16 celková zemědělská produkce (u14 + u15) u17 celková hodnota nezemědělských vedlejších činností (neoddělitelných) zahrnující zpracování zemědělských výrobků a ostatní vedlejší neoddělitelné činnosti u18 celková produkce zemědělského odvětví (u16 + u17) u19 mezispotřeba celkem zahrnuje náklady na osiva a sadbu, náklady na energie a maziva, náklady na hnojiva a prostředky zlepšující půdu, náklady na přípravky k ochraně rostlin, veterinární náklady, náklady na krmiva nakupovaná a vlastní, náklady na údržbu a opravy strojů a zařízení, náklady na údržbu a opravy budov, náklady na zemědělské služby, náklady na finanční zprostředkovatelské služby, náklady na ostatní zboží a služby u20 hrubá přidaná hodnota v základních cenách (u18 - u19) u21 spotřeba fixního kapitálu zahrnuje stroje a zařízení, budovy, výsadby a ostatní u22 čistá přidaná hodnota v základních cenách (u20 - u21) u23 náhrady zaměstnancům u24 ostatní daně na výrobu u25 ostatní dotace na výrobu u26 důchod z faktorů (u22 - u24 + u25) u27 čistý provozní přebytek/smíšený důchod (u26 - u23) u28 předepsané pachtovné a ostatní nájemné z nemovitostí u29 nákladové úroky u30 výnosové úroky u31 podnikatelský důchod (u26 - u23 - u28 - u29 + u30) 20

21 2.2 Konstrukce modelu SZU-P1 Z popsané struktury SZÚ-ČSÚ je patrné, že celý účet lze rozdělit na následující části: účet celkové produkce RV, účet celkové produkce ŽV, účet mezispotřeby a účet finálních indikátorů zemědělského odvětví. Jednotlivé účty lze popsat následujícími matematickými vztahy: Účet celkové produkce rostlinné výroby PRO RV = u01 + u u09 = suma (i KOM-RV, PLOi * VYNi * CENi), kde KOM-RV je množina všech rostlinných komodit českého zemědělství v rozsahu ukazatelů u01 až u09 (obiloviny, olejniny, technické plodiny apod.) PLOi, VYNi, CENi jsou celkové plochy, průměrné výnosy a průměrná roční CZV komodit pro i KOM-RV za ČR. Účet celkové produkce živočišné výroby PRO ZV = u11 + u12 = suma (i KOM-ZV, STA i * VYN i * CEN i ), kde KOM-ZV je množina živočišných komodit v rozsahu ukazatelů u11 zvířata (skot, prasata, drůbež, ovce a kozy) a u12 živočišné výrobky (mléko a vejce), STAi, VYNi, CENi jsou celkové stavy zvířat, průměrné roční jednotkové produkce (jatečná produkce masa, tržní produkce mléka a vajec) a CZV komodit (jednotkové produkce) pro i KOM-ZV za ČR. Účet celkové mezispotřeby MSP = u19 = OSI+ ENE+ HNO+ POR+ VET+ KRM+ UST+ UBU, kde jednotlivé položky MSP představují celkové náklady na osiva OSI, energii ENE, hnojiva HNO, veterinární náklady VET, náklady na krmiva KRM a náklady na údržbu a opravy strojů a zařízení UST a náklady na údržby a opravy budov UBU za odvětví zemědělství. Účet finálních indikátorů Hrubá přidaná hodnota HPH = u20 = PRO RV + PRO ZV MSP Čistá přidaná hodnota CPH = u22 = HPH SFK Důchod z faktorů DFA = u26 = CPH DAN + DOT Čistý provozní přebytek CPP = u27 = DFA NZA Podnikatelský důchod DPO = u31 = DFA NZA NAJ NUR + VUR kde jednotlivé položky SFK, DAN, DOT, NZA, NAJ, NUR a VUR odpovídají ukazatelům u21, u24, u25, u23, u28, u29 a u30 SZÚ. Vytvoření komoditních účtů Pro vytvoření modelu SZU-P1 se vychází z účtů jednotlivých komodit RV a ŽV. Pro každou komoditu je třeba vytvořit strukturu 31 ukazatelů shodných s SZÚ-ČSÚ. Model SZU-P1 se bude blížit SZÚ-ČSÚ tím více, čím reprezentativnější bude výběr zemědělských komodit, které budou zastupovat celé odvětví zemědělství. Pro tento účel byl vybrán model RENT-4, který poskytuje časové řady 21