УДК 657: 631. 162

DOI 10.24411/2413-046Х-2020-10227

ОЦЕНКА СТРУКТУРЫ ПРОДОВОЛЬСТВЕННЫХ
РЕСУРСОВ ПЕРМСКОГО КРАЯ

ASSESSMENT
OF THE STRUCTURE OF FOOD RESOURCES IN THE PERM REGION

Шалаева Людмила
Васильевна, кандидат экономических наук,
доцент кафедры бухгалтерского учета и финансов, ФГБОУ ВО «Пермский
государственный аграрно-технологический университет имени академика Д.Н.
Прянишникова» (ФГБОУ ВО Пермский ГАТУ)

Shalaeva Lyudmila Vasilyevna, Candidate of
Economic Sciences, associate professor of accounting and finance, FGBOU WAUGH
“The Perm state agrarian and technological university of a name of the
academician D.N. Pryanishnikov” (FGBOU WAUGH Perm to GHAT)

Аннотация. В статье представлены результаты анализа структуры продовольственных ресурсов Пермского края, проведенного по материалам официальной статистики за 2014-2018 года. Основные направления анализа: оценка структуры формирования и потребления продовольственных ресурсов Пермского края; оценка соотношения доли производства продукции и доли её ввоза на территорию Пермского края; оценка соотношения доли личного потребления и доли вывоза продукции, включая экспорт;  оценка соотношения доли производства и доли личного потребления продукции; оценка соотношения доли ввоза и доли вывоза продукции. Результаты исследований имеют практическое значение для оценки эффективности решения проблем продовольственной безопасности и импортозамещения в условиях санкционной экономики.

 Summary. The article presents the results of the analysis of
the structure of food resources in the Perm region, based on official
statistics for 2014-2018. Main analysis: the assessment of the structure of the
formation and consumption of food resources of the Perm region; the ratio of
the share of production and share of its import on territory of the Perm
region; the ratio of the share of personal consumption and the share of export
of products, including exports; the ratio of the share of production and share
of personal consumption goods; the ratio of the share of import and share of
export of products. The research results are of practical significance for
assessing the effectiveness of solving problems of food security and import
substitution in the conditions of the sanctioned economy.

Ключевые
слова: тенденции, продовольственные ресурсы, структура, продовольственная безопасность.

Key
words: trends, food resources,
structure, food security.

Введение

Вопросы развития методологии оценки тенденций в
экономике, в том числе на рынке продовольственных ресурсов мы встречаем в
трудах многих ученых, таких как Елисеева Т.В. [1], Степаненко Е.И. [2], Улезько
А.В. [3] Шагайда Н. [4], Шешукова Т.Г. [5] и др. Отдельные приёмы данных
методик были использованы в ходе исследования.

Процесс формирования продовольственных ресурсов
региона включает в себя  четыре основных подпроцесса:

1) производство продукции на территории региона;

2) ввоз продукции, включая импорт;

3) вывоз продукции, включая экспорт;

4) потери продукции.

Факторная модель процесса формирования
продовольственных ресурсов региона имеет следующий вид:

Продовольственные ресурсы = П + ВИ – ВЭ – У,                                          (1)

где: П – производство продукции на территории региона;

ВИ – ввоз продукции, включая импорт;

ВЭ – вывоз продукции, включая экспорт;

У – потери продукции.

В результате мы видим, что фактор П и фактор ВИ оказывают
прямое влияние на объем продовольственных ресурсов региона, а фактор ВЭ и фактор
У – обратное. При этом степень влияния факторов на  объем продовольственных ресурсов региона может
быть разной.

Проведем анализ структурных изменений продовольственных
ресурсов Пермского края по материалам официальной статистики за 2014-2018 года
[6]. По результатам проведенного анализа обозначим тенденции процесса формирования
продовольственных ресурсов, что позволит обосновать возможности и риски решения
проблем продовольственной безопасности и импортозамещения в рамках исследуемого
региона.

Основная часть

Материалы и методы исследования

Анализ проведен на базе
классической методологии по следующим направлениям оценки  процесса формирования продовольственных
ресурсов Пермского края:

• оценка структуры формирования продовольственных ресурсов Пермского края  (таблицы 1);
• оценка соотношения доли производства продукции и доли её ввоза на территорию Пермского края (таблица 2);
• оценка структуры потребления продовольственных ресурсов Пермского края (таблица 3);
• оценка соотношения доли личного потребления и доли вывоза продукции, включая экспорт (таблица 4);
• оценка соотношения доли производства и доли личного потребления продукции (таблица 5);
• оценка соотношения доли ввоза и доли вывоза продукции (таблица 6).

На первом этапе дана оценка структуры формирования продовольственных ресурсов Пермского края (таблица 1).

Основными источниками поступления продукции в
течении года являются производство продукции сельскохозяйственными
товаропроизводителями Пермского края и ввоз продукции, в том числе импорт.
Кроме того, общий объем ресурсов зависит от переходящих запасов продукции на
начало года. По картофелю в 2018 году имеет место снижение доли начального
запаса на 10,84% (162,3 тыс. тонн) при увеличении доли производства продукции
на 6,31% и её ввоза на 4,52%. За предыдущий период 2014-2017 гг. наблюдается
стабильная тенденция увеличения доли начального запаса картофеля и его ввоза
при снижении доли производства продукции. По овощам имеет место стабильная
ситуация с незначительными колебаниями по удельному весу в среднем до 2%. По мясу
и мясопродуктам наблюдается тенденция уменьшения доли начального запаса (-2,64%)
и производства продукции (-8,50%) при увеличении доли ввоза продукции (+11,14%).
По молоку и молокопродуктам при незначительных
колебаниях доли начального остатка (+0,26%) имеет место стабильная тенденция
увеличения доли производства продукции
(+4,37%) при снижении доли ввоза продукции (-4,64%). Подобная ситуация имеет
место по яйцу и яйцепродуктам. При увеличении доли производства продукции на
6,48% снижении доли ввоза продукции составило 6,96%.

Вклад сельскохозяйственных товаропроизводителей
Пермского края в формирование продовольственных ресурсов региона растет в сфере
производства молока и яйца, снижается в сфере производства мяса, картофеля и
овощей. Это говорит о повышении уровня зависимости региона от внешних
поставщиков данной продукции.

Рассмотрим соотношение доли производства продукции и доли её ввоза на территорию Пермского края (таблица 2).

Доля производства яйца значительно превышает долю
ввоза данной  продукции (+45-58%).
Подобная ситуация имеется по картофелю (+33-46%). По овощам положительное отклонение
составляет 2-6%, по молоку – 10-19%. По мясу имеет место отрицательное
отклонение, доля ввоза продукции превышает долю производства мяса на 15-35%. За
период исследования наблюдается стабильная тенденция роста отрицательного
отклонения по мясу (+19,64%).

За период исследования сельскохозяйственные товаропроизводители Пермского края укрепили свои позиции на рынке сбыта картофеля, молока и молочной продукции, яйца. Рост превышения доли производства над долей ввоза картофеля составил 1,79%, молока – 9,01%, яйца – 13,44%. Производители мяса уступили позиции на рынке внешним поставщикам на 19,64%. Далее рассмотрим структуру потребления продовольственных ресурсов Пермского края (таблица 3).

Существенная доля по всем видам продукции
приходится на личное потребление. По картофелю преобладает доля запаса
продукции на конец года (37-45%) и существенная доля приходится на
производственное потребление (20-22%). Доля потерь продукции незначительна, наибольшее
значение имеет место по картофелю – 2-3%. Доля вывоза
продукции, включая экспорт составляет: по картофелю – 5-12%, овощам – 3-4%,
мясу – 12-22%, молоку – 19-22%, яйцу – 43-59%.

Для уточнения тенденций рассмотрим соотношение доли личного потребления и доли вывоза продукции (включая экспорт) (таблица 4).

По большинству видов продукции доля личного
потребления существенно превышает долю вывоза продукции, включая экспорт. При
этом за период исследования изменилось соотношение по мясу и молоку. Доля
вывоза продукции растет при снижении доли личного потребления. Иная тенденция
наблюдается по яйцу и яйцепродуктам. С 2016
года доля вывоза яйца превышает долю его личного потребления (5-21%), что
свидетельствует об  укреплении позиций
сельскохозяйственными товаропроизводителями Пермского края на внешнем рынке
сбыта яйца на 28,95%.

Оценка соотношения доли производства и доли личного потребления продукции позволит выявить уровень продовольственной независимости региона (таблица 5).

Положительные отклонения доли производства
продукции от доли её личного потребления по картофелю и яйцу свидетельствуют о высоком
уровне независимости региона от внешних поставщиков данной продукции. При этом
ресурсный потенциал за 2014-2018 года вырос и составляет по картофелю 5-21%, по
яйцу – 20-41%. Отрицательные отклонения доли производства продукции от доли её
личного потребления по овощам, мясу и молоку свидетельствуют о высоком уровне
зависимости региона от внешних поставщиков данной продукции. Уровень
продовольственной зависимости по овощам и молоку за период исследования
незначительно снизился, по мясу вырос на 0,4%.

Для оценки доли внешних торговых операций рассмотрим соотношение доли ввоза и доли вывоза продукции (таблица 6).

По картофелю, овощам и мясу имеет место рост доли и
ввоза, и вывоза продукции, наиболее существенный по мясу – 10-11%, что в целом
свидетельствует о развитии внешнеторговой деятельности на территории Пермского
края. По молоку и яйцу имеет место тенденция снижения доли ввоза продукции при
росте доли её вывоза. Наиболее существенные изменения наблюдаются по яйцу, доля
ввоза продукции уменьшилась на 6,96% при росте доли вывоза яйца на 14,98%.

Выводы

В результате проведенного исследования выяснилось,
что в структуре продовольственных ресурсов Пермского края имеется стратегический
ресурсный потенциал по картофелю и яйцу и точка риска по мясу. Ввоз продукции
на территорию Пермского края способствует снижению уровня риска и оптимизации
процесса обеспечения продовольственной безопасности региона.

Список литературы

1. Елисеева Т.В. Совершенствование методики прогнозирования спроса на
основные виды продовольствия / Т.В. Елисеева, Г.В. Исаева // Вестник
Красноярского государственного аграрного университета. – 2011. – №11. – С. 3-7.

2. Степаненко Е.И. Теория и
методология системы показателей финансово-экономической деятельности
организаций агропромышленного комплекса. М.: Маркетинг. 2007. 300 с.

3. Улезько А.В. Развитие ресурсной базы регионального
продовольственного рынка: монография / А.В. Улезько, Д.И. Бабин. – Воронеж:
ФГБОУ ВО Воронежский ГАУ, 2016. – 168 с.

4. Шагайда Н. Продовольственная безопасность: проблемы оценки / Н.
Шагайда, В. Узун // Вопросы экономики. – 2015. – №5. – С. 63-78.

5. Шешукова Т.Г., Шалаева Л.В.Стратегический
управленческий анализ внешней среды / Л.В. Шалаева.  Пермь: ИПЦ «Прокростъ», 2015. 139 с.

6. Территориальный орган Федеральной службы государственной статистики
по Пермскому краю [Электронный ресурс] / Режим доступа: http://permstat.gks.ru/.

List of references

1. Eliseeva
T. V. Improving the methodology for forecasting demand for basic types of food
/ T. V. Eliseeva, G. V. Isaeva / / Bulletin of the Krasnoyarsk state agrarian
University. – 2011. – #11. – Pp. 3-7.

2. Stepanenko
E. I. Theory and methodology of the system of indicators of financial and
economic activity of organizations of the agro-industrial complex. Moscow:
Marketing. 2007. 300 PP.

3. Ulezko
A.V. Development of the resource base of the regional food market: monograph /
A.V. Ulezko, D. I. Babin. – Voronezh: Voronezh state UNIVERSITY, 2016. – 168 p.

4. Shagaida
N. food security: problems of assessment / N. shagaida, V. Uzun / / Questions
of economy. – 2015. – No. 5. – Pp. 63-78.

5. Sheshukova
T. G., shalayeva L. V. Strategic management analysis of the external
environment / L. V. shalayeva.  Perm: CPI
“Procrasty”, 2015. 139 p.

6.
Territorial body of the Federal state statistics service for the Perm region
[Electronic resource] / access Mode: http://permstat.gks.ru/.

УДК 657: 631. 162

DOI 10.24411/2413-046Х-2020-10226

ТЕНДЕНЦИИ ФОРМИРОВАНИЯ
ПРОДОВОЛЬСТВЕННЫХ РЕСУРСОВ В ПЕРМСКОМ КРАЕ

TRENDS
IN THE FORMATION OF FOOD RESOURCES IN THE PERM REGION 

Шалаева Людмила
Васильевна, кандидат экономических наук,
доцент кафедры бухгалтерского учета и финансов, ФГБОУ ВО «Пермский
государственный аграрно-технологический университет имени академика Д.Н.
Прянишникова» (ФГБОУ ВО Пермский ГАТУ)

Shalaeva Lyudmila Vasilyevna, Candidate of
Economic Sciences, associate professor of accounting and finance, FGBOU WAUGH
“The Perm state agrarian and technological university of a name of the
academician D.N. Pryanishnikov” (FGBOU WAUGH Perm to GHAT)

Аннотация. В статье представлены результаты исследования тенденций формирования продовольственных ресурсов в Пермском крае, проведенного для оценки условий и результатов решения проблем обеспечения продовольственной безопасности и импортозамещения. Анализ проведен по материалам официальной статистики Пермского края за 2014-2018 года. Выявлены положительные и отрицательные тенденции формирования продовольственных ресурсов региона, обозначены ключевые виды продукции, определяющие ресурсный потенциал Пермского края и точки риска в решении проблем продовольственной безопасности и импортозамещения. Результаты исследования могут послужить базой для оптимизации программ социально-экономического развития Пермского края.

Summary. The article presents the results of a study of trends in the formation
of food resources in the Perm region, conducted to assess the conditions and
results of solving problems of food security and import substitution. The
analysis is based on official statistics of the Perm region for 2014-2018.
Positive and negative trends in the formation of food resources in the region
are identified, and key products that determine the resource potential of the
Perm region and risk points in solving problems of food security and import
substitution are identified. The results of the study can serve as a basis for
optimizing the socio-economic development programs of the Perm region.

Ключевые слова: тенденции,
продовольственные ресурсы, продовольственная безопасность.

Key words: trends,
food resources, food security.

Введение

Стратегическая задача обеспечения продовольственной
безопасности и решения проблемы импортозамещения в условиях экономических
санкций предполагает оптимизацию процесса формирования продовольственных
ресурсов и ужесточение государственного контроля и регулирования. Решение проблем
развития методологии оценки тенденций в экономике, в том числе на рынке
продовольственных ресурсов мы встречаем в трудах многих ученых, таких как
Елисеева Т.В. [1], Степаненко Е.И. [2], Улезько А.В. [3] Шагайда Н. [4],
Шешукова Т.Г. [5] и др. Отдельные приёмы данных методик были использованы в
ходе исследования.

Цель исследования – выявить и оценить основные тенденции
процесса формирования продовольственных ресурсов Пермского края по материалам
официальной статистики за 2014-2018 года [6], обосновать возможности и риски
решения проблем продовольственной безопасности и импортозамещения в рамках
исследуемого региона.

Основная часть

Материалы и методы исследования

Анализ проведен на базе
классической методологии по следующим направлениям оценки  процесса формирования продовольственных
ресурсов Пермского края:

• оценка динамики формирования продовольственных ресурсов Пермского края   (таблица 1);
• оценка динамики потребления продовольственных ресурсов Пермского края (таблица 2);
• оценка соотношения темпов роста формирования и потребления продовольственных ресурсов Пермского края (таблица 3);
• оценка соотношения производства и личного потребления продукции (таблица 4);
• оценка соотношения ввоза и вывоза продукции (таблица 5).

Результаты исследований
имеют практическое значение для оценки эффективности решения проблем
продовольственной безопасности и импортозамещения в условиях санкционной
экономики, а также реализации программ социально-экономического развития
сельских территорий Пермского края.

На первом этапе дана оценка динамики формирования продовольственных ресурсов Пермского края за период с 2014 г. по 2018 г. (таблица 1).

За период исследования имеет место рост по
следующим видам продовольственных ресурсов:

• мясо и мясопродукты – прирост составил 23,9 тысяч тонн (12,09%);
• молоко и молокопродукты – 5,0 тысяч тонн (0,58%);
• яйцо и яйцепродукты – 252,6 млн. шт. (17,95%).

Снижение произошло по картофелю на 222,4 тысяч тонн
(30,54%) и овощам на 16,6 тысяч тонн (3,57%).

Далее необходимо оценить влияние данных изменений на уровень потребления продовольственных ресурсов Пермского края (таблица 2).

Динамика потребления
продовольственных ресурсов Пермского края полностью соответствует динамике их
формирования. Мы наблюдаем те же тенденции: растет потребление мяса, молока,
яйца и продукции их переработки при снижении потребления картофеля и овощей.
Наиболее существенное положительное отклонение имеет место по яйцу и
яйцепродуктам – 254,1 млн. шт. (18,52%), отрицательное отклонение – по
картофелю – 104,3 тысяч тонн (26,2%).

Результаты исследования Оценка соотношения темпов роста формирования и потребления продовольственных ресурсов позволит выявить точки риска в решении стратегической задачи обеспечения продовольственной безопасности (таблица 3).

Положительные отклонения свидетельствуют о наличии опережающих темпов роста формирования продовольственных ресурсов, отрицательные отклонения – о наличии опережающих темпов роста потребления продовольственных ресурсов. Опережающие темпы роста формирования продовольственных ресурсов определяют потенциал региона в решении проблемы продовольственной безопасности, опережающие темпы роста потребления продовольственных ресурсов определяют точки риска в решении данной проблемы. Ресурсный потенциал Пермского края в решении проблемы продовольственной безопасности определяют такие виды продукции, как картофель, овощи. По молоку и яйцу имеет место нестабильная ситуация, при этом в 2018 году наметилась положительная тенденция: темпы роста формирования продовольственных ресурсов опережают темпы роста их потребления. Стабильная отрицательная тенденция наблюдается по мясу и мясопродуктам. Опережающие темпы роста потребления данной продукции обозначили точку риска в решении продовольственной безопасности Пермского края.

Наиболее существенное влияние на состояние продовольственных ресурсов региона оказывают процессы производства продукции и её личного потребления. Дадим оценку соотношения производства и личного потребления по видам продукции (таблица 4).

В результате оценки соотношения производства и
личного потребления выявлены виды продукции, имеющие стратегическое значение
для решения проблем продовольственной безопасности региона. Существенный
ресурсный потенциал имеет место по картофелю и яйцу. Объёмы производства данных
видов продукции в 1,5-2 раза превышают объёмы её потребления. Производство
молока покрывает личное потребление лишь на 77-86%, овощей – на 61-66%, мяса –
на 41-50%. Наиболее низкий процент по мясу подтверждает сделанный ранее вывод о
точке риска по данному виду продукции.

Уровень риска в решении проблемы продовольственной безопасности региона может быть снижен благодаря грамотной политике осуществления экспортных и импортных операции (таблица 5).

Ввоз, включая экспорт превышает вывоз по
большинству видов продукции, за исключением яйца и яйцепродуктов. Недостаток
ресурсов собственного потребления успешно покрывается за счет ввоза продукции,
что существенно понижает риск в решении проблем продовольственной безопасности
региона. Значительные объемы производства яйца определили превышение вывоза
данной продукции над ввозом. Яйцо, производимое предприятиями Пермского края
является стратегическим ресурсом обеспечения продовольственной безопасности не
только Пермского края, но и других регионов страны.

Выводы

В результате проведенного исследования выяснилось,
что процесс формирования продовольственных ресурсов Пермского края
отличается  стабильностью при наличии
стратегического ресурсного потенциала по картофелю и яйцу и точки риска по
мясу. Ввоз продукции на территорию Пермского края способствует снижению уровня
риска и оптимизации процесса обеспечения продовольственной безопасности
региона.

Список литературы

1. Елисеева Т.В. Совершенствование методики прогнозирования спроса на
основные виды продовольствия / Т.В. Елисеева, Г.В. Исаева // Вестник
Красноярского государственного аграрного университета. – 2011. – №11. – С. 3-7.

2. Степаненко Е.И. Теория и
методология системы показателей финансово-экономической деятельности
организаций агропромышленного комплекса. М.: Маркетинг. 2007. 300 с.

3. Улезько А.В. Развитие ресурсной базы регионального
продовольственного рынка: монография / А.В. Улезько, Д.И. Бабин. – Воронеж:
ФГБОУ ВО Воронежский ГАУ, 2016. – 168 с.

4. Шагайда Н. Продовольственная безопасность: проблемы оценки / Н.
Шагайда, В. Узун // Вопросы экономики. – 2015. – №5. – С. 63-78.

5. Шешукова Т.Г., Шалаева Л.В.Стратегический
управленческий анализ внешней среды / Л.В. Шалаева.  Пермь: ИПЦ «Прокростъ», 2015. 139 с.

6. Территориальный орган Федеральной службы государственной статистики
по Пермскому краю [Электронный ресурс] / Режим доступа: http://permstat.gks.ru/.

List of references

1. Eliseeva
T. V. Improving the methodology for forecasting demand for basic types of food
/ T. V. Eliseeva, G. V. Isaeva / / Bulletin of the Krasnoyarsk state agrarian
University. – 2011. – #11. – Pp. 3-7.

2. Stepanenko
E. I. Theory and methodology of the system of indicators of financial and
economic activity of organizations of the agro-industrial complex. Moscow:
Marketing. 2007. 300 PP.

3. Ulezko
A.V. Development of the resource base of the regional food market: monograph /
A.V. Ulezko, D. I. Babin. – Voronezh: Voronezh state UNIVERSITY, 2016. – 168 p.

4. Shagaida
N. food security: problems of assessment / N. shagaida, V. Uzun / / Questions
of economy. – 2015. – No. 5. – Pp. 63-78.

5. Sheshukova
T. G., shalayeva L. V. Strategic management analysis of the external
environment / L. V. shalayeva.  Perm: CPI
“Procrasty”, 2015. 139 p.

6. Territorial body of the Federal state
statistics service for the Perm region [Electronic resource] / access Mode:
http://permstat.gks.ru/.

УДК
635.21 + 57.041

DOI 10.24411/2413-046Х-2020-10221

СРАВНИТЕЛЬНОЕ ИЗУЧЕНИЕ РАННИХ СОРТОВ КАРТОФЕЛЯ
В УСЛОВИЯХ ТЮМЕНСКОЙ ОБЛАСТИ

COMPARATIVE STUDY OF EARLY POTATO VARIETIES IN THE TYUMEN REGION

Симакова
Тамара Владиславовна,
кандидат
сельскохозяйственных наук, доцент, Государственный
аграрный университет Северного Зауралья, г. Тюмень

Simakova T.V., simskova.tamara@mail.ru

Симаков
Антон Васильевич,
преподаватель,
Государственный
аграрный университет Северного Зауралья, г. Тюмень

Simakov A.V., simakov.a.v@mail.ru

Гайзатулин
Андрей Сергеевич,
научный
сотрудник, Государственный аграрный университет Северного Зауралья, г. Тюмень

Gaizatulin,
A.S., gajzatulinas.20@ati.gausz.ru

Аннотация. В статье рассматриваются особенности
формирования ранних сортов картофеля в условиях Тюменской области по следующим
признакам: биометрические показатели (высота растений, количество стеблей и
масса ботвы), фракционный состав клубней по срокам уборки (на 60-ый, 70-ый и
80-ый дни созревания), соотношение массы ботвы к клубням в разные сроки уборки,
урожайность картофеля и качество клубней. Исследования проведены на ранних
сортах картофеля отечественной и зарубежной селекции, которые лучше проявили
себя по основным предъявляемым требованиям в условиях сложившихся
агроклиматических условиях Тюменской области. 
Результатом работы выступает подбор лучших сортов по исследуемым
признакам с целью дальнейшего их изучения и использования в селекции картофеля.

Summary. The article discusses the features of the formation of
early potato varieties in the conditions of the Tyumen region according to the
following characteristics: biometric indicators (plant height, number of stems
and mass of tops), the fractional composition of tubers by harvesting dates (on
the 60th, 70th and 80th ripening days) ), the ratio of the mass of tops to
tubers at different harvesting times, potato productivity and the quality of
tubers. The studies were carried out on early varieties of potatoes of domestic
and foreign selection, which proved to be better according to the main
requirements in the current agro-climatic conditions of the Tyumen region. The
result of the work is the selection of the best varieties according to the
characteristics studied with a view to their further study and use in potato
breeding.

Ключевые слова: ранние сорта картофеля, экологическая
пластичность, изучение сортов, фракционный состав клубней, урожайность
картофеля, качество клубней.

Keywords: early potato varieties,
ecological plasticity, varietal study, tuber fractional composition, potato
yield, tuber quality.

Введение

Кроме того, в последние годы остро стоит проблема производства
экологически чистого картофеля. В повышении урожайности наряду с другими
мероприятиями большое значение придаётся сорту [1].

Под сортом понимается совокупность растений картофеля, созданная в
результате селекции и обладающая определенными, передающимися по наследству
морфологическими, биологическими, хозяйственными признаками и свойствами [2].

Учитывая короткий безморозный период в Тюменской области, предпочтение
отдаётся скороспелым сортам картофеля. По многолетним наблюдениям, уборка таких
сортов проходит до выпадения затяжных дождей и проявления заморозков. Клубни
среднепоздних и позднеспелых сортов, убранные в конце сентября – начале
октября, плохо хранятся в зимний период [3].

За 250 летний период картофелеводство претерпело большие изменения. Не
одно поколение картофелеводов внесло достойный вклад в подбор сортов, совершенствование
технологии выращивания и хранения картофеля. Постепенно формировалась основа
развития картофелеводства [4].

Цель работы изучить особенности формирования ранних
сортов картофеля в условиях Тюменской области.

Объектом исследования ранние сорта картофеля отечественной и
зарубежной селекции.

Исследования проведены в 2019 году на опытном
поле Агротехнологического института ГАУ Северного Зауралья. Почва чернозём,
выщелоченный маломощный тяжелосуглинистый пылевато-иловатый на карбонатном
покровном суглинке. Мощность гумусового горизонта достигает 30-35 см,
содержание гумуса – 6-8 %, общий запас его около 400 т/га. По
гранулометрическому составу значительная часть черноземных почв представление
средними суглинками и глинами [5, 6].

Методика исследования. Агротехника общепринятая для культуры в
лесостепной зоне. Обработка почвы включала: чизелевание (Чизелем ПЧН -2,3 на
35-40см), вспашка отвальная (плугом ПН-5-35 на 28-30см), боронование (сцепом
борон БЗСС-1), врезание удобрений (нитроаммофоска N16P26K26) сеялкой (СЗМ-200)
норма внесение 2ц/га, фрезерование (доминатором КВФ-2,8) на глубину 15-17см,
нарезка гребней (окучником КОН-2,8) [6].

Посадка клубней проводилась по физической
спелости почвы, в гребни по схеме 70×30 см., густота стояния растений 48000
шт./га, площадь делянки 35 м², учётная 25 м², повторность
4-х кратная, размещение делянок систематическое. Уход за посадками заключался в
проведении двух междурядных обработок и окучиваний. Уборку проводили вручную.
Учёты и наблюдения проведены по методике Всероссийского
Научно-исследовательского института картофельного хозяйства (1996), методике
ВИР (1975). Содержание сухого вещества определяли термостатно-весовым методом [6].

Результаты исследования

Известно, что чем сильнее развита наземная масса растений картофеля, тем выше урожайность клубней. При этом важно сформировать максимальную наземную массу до фазы цветения с тем, чтобы в дальнейшем она полностью «работала» на формирование клубней [7]. Проведенные биометрические измерений показали (табл. 1), что высота растений в фазу цветения изменялась от 58 см у сорта Хибинский ранний до 80 см у сорта Каменский.

Количество
стеблей на растении косвенный показатель урожайности, то есть чем больше
стеблей на растении, тем выше урожайность клубней [8]. У изучаемых сортов
картофеля количество стеблей на растении варьировало от 2,6 у сорта Якутянка до
6,3 шт. у сорта Лига. К многостебельным можно отнести также сорта Укама, Удача,
Кузнечанка, Снегирь, Любава и стандартный сорт Весна.

Масса ботвы в первую копку изменялась от 377г у сорта Метеор до 1047г у сорта Удача. Кроме сорта Метеор низкую массу ботвы имел также сорт Якутянка. У остальных сортов сформировалась достаточно высокая масса ботвы.

При изучении
раннеспелых сортов картофеля важно знать динамику формирования фракционного
состава клубней с тем чтобы в дальнейшем можно было разработать конвейер
производства раннего картофеля [7]. Так, при первой копке на 60 день после
всходов крупная фракция >5 см отмечена у сортов Лига, Каменский, Удача. У
этих сортов в гнезде было по 2,3 – 3,3 крупных клубня. У сортов Весна,
Хибинский ранний, Метеор, Антонина и Крепыш крупных клубней не было. Клубни средней
крупности (3-5 см) к этому времени сформировали в количистве 5,0 – 7,0 шт. в
гнезде сорта Весна, Метеор, Любава, Лига, Кузнечанка, Каменский, Снегирь,
Удача, Укама. С этих сортов можно начинать первую копку.

Во вторую
копку (через 70 дней после всходов) отмеченные сорта продолжают лидировать по
выходу товарных клубней. К ним добавляются сорта Рози и Антонина.

К третьей копке (через 80 дней после всходов), практически все изучаемые сорта имели высокий выход товарных клубней. Правда, у сортов Любава, Кузнечанка, Каменский и Снегирь в гнезде отмечено 6,0 – 9,3 клубней мелкой фракции. С точки зрения биологической особенности формирования массы ботвы и клубней изучаемые сорта сильно отличаются друг от друга. Одни из них быстро накапливают урожай клубней и снижают массу ботвы, другие наоборот (рисунок 1). Так, при второй копке масса ботвы заметно снизилась у сортов Хибинский ранний, Снегирь, Удача и Рози она оставалась ещё на высоком уровне. К третьей копке интенсивно шёл отток пластических веществ из ботвы в клубни у сортов Весна, Хибинский ранний, Метеор, Якутянка, Лига, Кузнечанка, Укама. У отмеченных сортов заметно снизилась масса ботвы, а урожайность клубней увеличилась.

Необходимо отметить группу сортов Любава, Антонина, Каменский, Крепыш,
Рози, Снегирь, Удача, у которых к моменту уборки сохранилась приличная масса
ботвы, то есть у них остался неиспользованный резерв для формирования
урожайности клубней. Следовательно, их необходимо убирать позже в случае если
позволяет погода.

Таким образом, приведённый рисунок соотношения массы ботвы к массе клубней свидетельствует о биологическом различии сортов, поэтому для каждого сорта надо разрабатывать свою сортовую технологию с тем, чтобы полнее реализовать потенциал урожайности. Основным хозяйственным признаком сорта является урожайность клубней [3]. Данные урожайности в основную копку представлены в таблице 3.

Из анализа данных таблицы 3 следует, что высокую урожайность клубней –
41,1 – 45,2 т/га сформировали сорта Антонина, Снегирь, Каменский, Кузнечанка,
что на 6,5 – 10,6 т/га или на 18,8 – 30,6 % выше стандарта Весна. Сорта
Хибинский ранний, Метеор, Якутянка, Укама уступали стандарту на 8,4 – 19,1
т/га. Остальные сорта занимали промежуточное положение между высоко- и
низкоурожайными.

Урожайность сорта должна сочетаться с качеством клубней (таблица 4).

По содержанию сухого вещества выделились сорта Любава, Антонина, Лига,
Снегирь и Удача (20,7 – 23,9%), по содержанию крахмала – Антонина, Лига,
Любава, Снегирь и Удача (14,2 – 17,3%), по сбору крахмала с 1 га выделились
сорта Кузнечанка, Снегирь, Лига, Антонина – 5,7 – 6,5 т/га, что выше
стандартного сорта Весна на 2,4 – 3,2 т/га.

Заключение. По
урожайности и качеству клубней выделились сорта Любава, Антонина, Лига,
Снегирь, Удача. Необходимо продолжить исследования по совершенствованию
элементов технологии их возделывания.

Литература

1. Логинов Ю.П. Пластичность и
   стабильность сортов картофеля в лесостепи Тюменской области / Логинов Ю.П.,
   Казак А.А. // Известия Оренбургского государственного аграрного университета.
   2017. № 5 (67). С. 73-77.
2. Логинов Ю.П. Рекомендации по
   выращиванию картофеля в ЛПХ Тюменской области / Логинов Ю.П., Казак А.А. // Тюмень,
   2017.
3. Логинов Ю.П. Пластичность и
   стабильность сортов картофеля в лесостепи Тюменской области / Логинов Ю.П.,
   Казак А.А. // Известия Оренбургского государственного аграрного университета.
   2017. № 5 (67). С. 73-77.
4. Логинов Ю.П. Сорт – один из резервов
   в развитии картофелеводства Тюменской области / Логинов Ю.П., Казак А.А.,
   Якубышина Л.И. // Агропродовольственная политика России. 2016. № 10 (58). С.
   54-58.
5. Логинов Ю.П. Исходный материал для
   селекции картофеля в условиях Тюменской области /Логинов Ю.П./ В книге: Идеи
   Н.И. Вавилова в современном мире Тезисы докладов IV Вавиловской международной
   научной конференции. Федеральное агентство научных организаций; Федеральный
   исследовательский центр Всероссийский институт генетических ресурсов растений
   имени Н.И. Вавилова (ВИР); Вавиловское общество генетиков и селекционеров
   Санкт-Петербурга; Научный совет «Биология и медицина»; Санкт-Петербургский
   научный центр РАН . 2017. С. 274-275.
6. Симаков А.В. Урожайность и качество
   семенных клубней картофеля в зависимости от предшественника в лесостепной зоне
   Тюменской области /Симаков А.В., Логинов Ю.П./ В сборнике: Сборник статей II
   всероссийской (национальной) научно-практической конференции «Современные
   научно-практические решения в АПК» Государственный аграрный университет
   Северного Зауралья. 2018. С. 214-220.
7. Логинов Ю.П. Состояние и перспективы
   развития семеноводства картофеля в Тюменской области /Логинов Ю.П., Казак А.А.,
   Кендус К.А., Ященко С.Н./ Известия Самарского научного центра Российской
   академии наук. 2018. Т. 20. № 2-2. С. 204-208.
8. Симакова Т.В. Влияние минеральных
   удобрений на урожайность и качество картофеля / Симакова Т.В., Логинов Ю.П. //
   Аграрный вестник Урала. 2007. № 5 (41). С. 25-27.

УДК 636.085.087(571.56)

DOI 10.24411/2413-046Х-2020-10200

АГРОЭНЕРГЕТИЧЕСКАЯ ОЦЕНКА КОРМОВЫХ КУЛЬТУР ДЛЯ ПРОИЗВОДСТВА КРИОКОРМА В УСЛОВИЯХ ЦЕНТРАЛЬНОЙ ЯКУТИИ

AGRI-ENERGY ASSESSMENT OF FEEDING CROPS UTILIZED FOR THE CRYOFEED PRODUCTION UNDER THE CENTRAL YAKUTIA CONDITIONS

Максимова Харитина Ивановна, кандидат сельскохозяйственных наук, старший научный сотрудник лаборатории кормопроизводства  ФИЦ «Якутский научный центр  СО РАН», Якутский научно-исследовательский  институт сельского хозяйства им. М.Г. Сафронова, ORCID: http://orcid.org/ 0000-0003-1640-5531, tinamaksimova56@mail.ru

Kharitina I. Maksimova, Candidate of Agricultural Sciences, Senior Researcher of the Laboratory of Feed Production under the Federal Research Center, Federal State Budgetary Scientific Institution (FSBSI) Yakut Scientific Research Institute of Agriculture named after Safronov M.G., ORCID: http://orcid.org/ 0000-0003-1640-5531, tinamaksimova56@mail.ru

Аннотация. Приведены результаты исследований по агроэнергетической
оценке кормовых культур  для производства
замороженного зеленого корма. Экспериментальные работы по продуктивности
кормовых культур на зеленый криокорм проводились в 2002-2004 гг. на
научно-производственном стационаре в ОПХ «Покровское» Хангаласского улуса.
Почвы в районе исследований – мерзлотные пойменные дерновые светлосерые
супесчаные. Агрохимические показатели почвы следующие: реакция щелочная – рН
водная – 8,90, содержание гумуса – 3,4 %, N_нитр – 0,89; Р₂О₅
– 13,3;  К₂О – 19,2 мг/100 г
почвы. Годы исследований существенно различались по метеорологическим условиям.
ГТК вегетационных периодов  составил –
0,25;  1,70;  0,89  при
средне-многолетнем показателе – 0,60. Схема опыта следующее: овес, овес +
горох, овес+рапс. Варианты удобрений: без удобрений (контроль),  (NPK)₆₀,  (NPK)₁₂₀. Исследования проводились
общепринятыми методиками полевых опытов. Установлено, что овес по выходу сухой
массы (3,1-7,1), валовой энергии (55,7-126,4 ГДж/га), кормовых единиц (2,29-4,90),
обменной энергии (29,6-65,7 ГДж/га)  обеспечил наибольший показатель. Горохоовсяная
смесь по выходу протеина 0,19-0,73 т/га и кормопротеиновых единиц 0,25-0,97т/га
превосходит остальные культуры, сбор валовой и обменной энергии равен 47,8-115,0
и 26,0-60,0 ГДж/га соответственно. Урожайность зеленой массы горохоовсяной
смеси составляет 10,6-25,2  т/га.  Рапсоовсяная  смесь также обеспечила высокую продуктивность:
урожай зеленой массы составил 11,1-29,3 т/га, сбор кормопротеиновых единиц
равен 1,80-4,16 т/га,  валовой энергии -39,0-101,8
ГДж/га, обменной энергии- 21,1-54,8 ГДж/га. Применение минерального удобрения в
разных дозах обеспечивает прибавку урожая от 12,0-18,0 т/га в сравнении с
контрольным вариантом. Наибольший энергетический коэффициент отмечается при
применении минерального удобрения в дозе (NPK)₆₀  у всех изучаемых культурах – 4,45-4,56. При
высокой дозе удобрений (NPK)₁₂₀ из изучаемых культур агроэнергетически
эффективным выделяется овес, обеспечивший максимальный выход валовой энергии
126,4 ГДж/га и обменной энергии 65,7 ГДж/га. Приращение валовой энергии 94,7
ГДж/га при энергетическом коэффициенте 3,98,  урожайность зеленой массы – 28,4 т/га. Содержание
каротина в замороженных на корню зеленых кормах достигает до 109,0 мг/кг.

Summary. In this study, we provide the results from the agri-energy assessment of feeding crops utilized for the production of frozen green feeding crops. Experiments on the productivity of green cryofeed took place in the research station under the “Pokrovskoye” enterprise of Khangalasskiy district in 2002-2004. Soils in the studied area were cryogenic floodplain sod-alfisol sandy-loam type. Agrochemical soil properties were following: alkaline soils with the overall pH 8,90; humus content- 3,4%; the amount of N_nit– 0,89; Р₂О₅ – 13,3; К₂О – 19,2 mg per 100g of the soil mass. Meteorological conditions were significantly different each year during the experimental works. HTC (Hydrothermal Coefficient by Selyanin) of vegetative periods was 0,25; 1,70; 0,89, with the long-term average coefficient of 0,60. The design of the experiments was in the following: oat, oat+pea, oat+rapeseed mixes. Fertilizer variations were: no fertilizer (control), mineral fertilizer under the concentrations of (NPK)60, and (NPK)120. Experiments were carried according to generally recognized methods for the fieldwork. Based on the experiments, it was found that in terms of dry mass yield (3.1-7.1), gross energy (55.7-126.4 GJ/ha), feeding units (2.29-4.90), exchange energy (29, 6-65.7 GJ/ha) parameters, pure oat mix provided the highest quality. In contrast, in terms of the protein production of 0.19-0.73 t/ha and feeding protein units of 0.25-0.97 t/ha, the pea-oat mix was shown to surpass other crops. The gross and exchange energy was 47.8-115.0 and 26.0-60, 0 GJ/ha, respectively. The green mass yield of the pea-oat mixture was 10,6-25,2t/ha. Rapeseed-oat mix also has been shown to produce a high yield. The green mass yield was 11,1-29,3t/ha, with the feeding protein units of 1,80-4,16t/ha, gross energy 39,0-101,9GJ/ha and exchange energy 21,1-54,8GJ/ha. The utilization of mineral fertilizer at different concentrations has been shown to induce the yield by 12,0-18,0t/ha compared with control. The highest energy coefficient of 4,45-4,56 was detected when applying fertilizers at (NPK)60 dose. Under the high dose of (NPK)120, the most effective, under the agri-energy perspective, was oat crop with the maximal yield of gross energy of 126,4GJ/ha and exchange energy of 65,7GJ/ha. The gross energy increment was 94.7 GJ/ha, the energy coefficient of 3.98, the yield of green mass is 28.4 t/ha. The carotene content in green feeding crops reached up to 109.0 mg/kg.

Ключевые слова: овес, горохоовсяная смесь, рапсоовсяная смесь, криокорм,
каротин, минеральное удобрение, урожайность, зеленая масса, валовая энергия,
обменная энергия,  агроэнергетический
коэффициент.

Key words: oat,
pea-oat mix, rapeseed-oat mix, cryofeed, carotene,  mineral fertilizer, yield, green mass, gross
energy, exchange energy, agrienergy coefficient.

Введение

Естественные
кормовые угодья республики полностью не могут обеспечить потребности животноводства
в полноценных кормах, в связи с чем объемистые корма в виде силоса, сенажа и
зеленого корма приобретают все большее значение в кормлении
высокопродуктивных  лактирующих коров и
откормочного скота. Повышение их качества, прежде всего по энергетической и
протеиновой питательности, а также содержанию биологически активных веществ –
непременное условие разработки новых и совершенствования существующих
технологий производства сочных кормов.

В
настоящее время в республике достаточно заготавливают сочные питательные корма
– силос, сенаж. Однако, эти технологии несут определенные совокупные затраты на
производстве корма. Между тем, агроклиматические условия северной республики
располагают большими преимуществами  при
применении отдельных приемов новых технологий производства зеленого криокорма.
Технология производства зеленого криокорма при использовании естественного
холода увеличивает содержание каротина с каждого гектара. Способ заготовки
зеленого криокорма состоит в том, что посев кормовых культур производят в более
поздние сроки, а уборку производят поэтапно по установленным показателям
отрицательных температур. Зеленый криокорм – это зеленый корм замороженный
естественным холодом, запрессованный в тюки малого размера. Производство
замороженных зеленых кормов (зеленого криокорма), основанное на поздний срок
посева однолетних кормовых растений обеспечит потребность в кормовом белке и
витаминах животных Севера в зимне-весенний период [1]. Поэтому это направление
работ имеет большое научное и народно-хозяйственное значение. Обеспечение
зелеными кормами в зимнее время для ликвидации дефицита витаминов и питательных
веществ в рационе питания животных является большим резервом в увеличении
производства мяса и молока.

Материал, условия и методика
проведения исследований

Экспериментальные работы по подбору
кормовых культур на зеленый криокорм проводились в 2002-2004 гг. на
научно-производственном стационаре в ОПХ «Покровское» Хангаласского улуса.

Почвы в районе исследований – мерзлотные пойменные
дерновые светлосерые супесчаные. Агрохимические показатели на начало
исследований следующие: реакция щелочная – рН водная – 8,90, содержание гумуса – (по
Тюрину) – 3,4 %, содержание подвижных форм азота среднее: N_нитр –
0.89 (метод Грандваль-Ляжу); подвижных форм фосфора среднее: Р₂О₅
– 13.3; калия (метод Эгнера-Рима) высокое: К₂О – 19.2 мг/100 г
почвы.

Агротехника кормовых культур (сроки посева, норма высева,
обработка почвы и др.) проводилась по рекомендациям ЯНИИСХ для кормовых культур
[2].  Из минеральных удобрений использовались
мочевина (46 % д.в.), двойной суперфосфат (46 % д.в.) и хлористый калий (60 %
д.в.).

Для посева кормовых культур использовались семена
районированных сортов: овес (сорт Покровский), горох (сорт Капитал), рапс яровой
(сорт Восточно-Сибирский).

Годы
исследований существенно различались по метеорологическим условиям. ГТК
вегетационных периодов  составил – 0,25;
1,70; 0,89 соответственно по годам при среднемноголетнем показателе – 0,60.

Климат
2002 года характеризуется как засушливый и теплый. В течение вегетации
сельскохозяйственных культур осадков выпало в 4 раза меньше нормы. Агрометеорологические
условия вегетационного периода 2003 года характеризуются как благоприятные для
роста и развития однолетних кормовых культур и накопления вегетативной зеленой
массы. В июле месяце осадки выпали в виде кратковременных грозовых дождей. Так,
количество осадков составило 156 мм  (при
средней многолетней норме 48 мм), в августе осадков выпало два раза больше
месячной нормы, что способствовало накоплению вегетативной зеленой массы на
криокорм.

Климат
2004 года характеризуется как холодный. Гидротермический коэффициент активной
вегетации растений (+10⁰ – +10⁰С) отмечается как
увлажненный ГТК – 0,93 при норме 0,71 и для возделывания кормовых культур на
зеленый криокорм считается благоприятным.

Схема
опыта следующее: 1. Овес, 2. Овес + горох, 3. Овес+рапс.

Варианты
удобрений: 1. без удобрений (контроль), 2. (NPK)₆₀, 3. (NPK)_120.

Площадь делянки 96 м². Ширина защитных
полос между вариантами с удобрениями 4 м. 
Посев произвели 22 июля

Полевые исследования проводились общепринятыми
методиками:  «Методические указания по
проведению полевых опытов с кормовыми севооборатами» [3] а также «Методика
полевого опыта» Б.А. Доспехова [4].

 Зоотехнический
анализ кормов выполнялся в лаборатории биохимии Якутского НИИСХ и в
Республиканской агрохимлаборатории. При биоэнергетической оценке использованы
«Методические рекомендации по биоэнергетической оценке севооборотов и
технологий выращивания кормовых культур» [5], «Методическое пособие по
агроэнергетической и экономической оценке технологий и систем кормопроизводства
[6].

 Математическая
обработка проведена по Б.Н. Доспехову и статистической обработке на ПК программа
Stalislibra-6.

Основная обработка почвы проводилась по типу зяби.
Предпосевная обработка почвы состояла из дискования ЛДГ-10 в 2-3 следа или
КПС-4 в сцепке с зубовыми боронами вдоль и поперек поля и прикатывания почвы
гладкими водоналивными катками до и после посева.

Результаты и обсуждение

Улучшение
качества зеленого корма и его хранение при консервации естественным холодом
достигается  при поздних посевах
однолетних кормовых культур, когда теплообеспеченность оставшегося
вегетационного периода составляет 690 – 745°С и их уборка производится  с наступлением низких температур воздуха.
Технология заготовки зеленого замороженного корма позволяет сохранить витамины
и питательные вещества в корме, улучшает его качество под действием
естественного холода [7].

В опытах по возделыванию кормовых культур на криокорм высокую продуктивность обеспечили все изучаемые культуры – овес, горохоовсяная смесь и рапсоовсяная смесь. По выходу сухой массы 3,1-7,1, валовой энергии 55,7-126,4 ГДж/га, кормовых единиц 2,29-4,90 обменной энергии 29,6-65,7 ГДж/га овес обеспечил наибольший показатель. Урожайность зеленой массы составила  12,3-28,4 т/га. Горохоовсяная  смесь по выходу протеина (0,19-0,73 т/га) и кормопротеиновых единиц (0,25-0,97 т/га) превосходит остальные культуры, обеспечивая урожайность зеленой массы  10,6-25,2 т/ га. Отмечается высокий сбор валовой и обменной энергии 47,8-115,0 и 26,0-60,0 ГДж/га соответственно. Рапсоовсяная смесь также обеспечила высокую продуктивность: урожайность зеленой массы составила 11,1-29,3 т/га, сбор кормовых единиц равен 1,80-4,16 т/га,  валовой энергии – 39,0-101,8 ГДж/га, обменной энергии- 21,1-54,8 ГДж/га (табл.1).

Применение минерального удобрения в
разных дозах обеспечивает прибавку урожая от 12,0-18,0 т/га в сравнении с контрольным
вариантом, что указывает на целесообразность 
применения возрастающих доз минеральных удобрений.

Агроэнергетическая оценка культур на
зеленый криокорм  показывает
эффективность минерального удобрения, при этом выход валовой энергии
(96,5-126,4 ГДж/га), обменной энергии (52,7-65,7Гдж/га) увеличивается в два
раза по сравнению с контролем (табл.2).

Применение минерального
удобрения обеспечивает увеличение приращения валовой энергии в 2-2,5 раза.
Наибольший энергетический коэффициент отмечается при применении минерального
удобрения в дозе (NPK)60  у всех изучаемых культурах – 4,45-4,56. При
высокой дозе удобрений (NPK)₁₂₀ из изучаемых культур,
агроэнергетически эффективным оказался овес, обеспечивший максимальный выход
валовой энергии 126,4 ГДж/га, обменной энергии 65,7 ГДж/га, приращение валовой
энергии 94,7 ГДж/га, при энергетическом коэффициенте 3,98 и при урожае зеленой
массы 28,4 т/га.

Основным
источником каротина для животных являются зеленые корма. Каротин является тем
первоисточником, из которого в организме животных образуется витамин А и другие
недостающие витамины. В наших исследованиях кормовые культуры для возделывания
зеленого корма содержат 30,0-109,0 мг/кг каротина.

Выводы

Таким образом, эффективным агротехническим приемом возделывания кормовых культур на производство криокорма является посев зеленой массы овса, горохоовсяной  смеси и рапсоовсяной смеси, при этом наибольший энергетический коэффициент отмечается при применении минерального удобрения в дозе (NPK)60 – 4,56; 4,45; 4,45 соответственно. Содержание каротина в замороженных на корню зеленых кормах достигает до 109, 0 мг/кг.

Литература

  1. Roumyantsev, V.A. Criofeed in
winter reindeer rations/ Program and absracts// 3^rd circumpolar
agricultural conference.(Anchorage, 12-16 October, 1998). Hotel caption cook.- Alaska,
Anchorage, 1998. – P. 25.

  
2.Система ведения
агропромышленного производства Республики Саха (Якутия) до 2005 г./РАСХН.Сиб.
отд-ние. Якут. НИИСХ.- Новосибирск, 1999.

  
3. Методические указания по проведению опытов с кормовыми севооборотами.
– М.;  1974. – С. 9-17.

  
4. Доспехов Б.А. Методика полевого опыта. – М., Колос, 1978. – 416 с.

  
5. Методические рекомендации по биоэнергетической оценке се-вооборотов  и технологий выращивания кормовых культур. –
М.; 1989. – 23 с.

  
6. Методическое пособие  по агроэнергетической
и экономической оценке технологий и систем кормопроизводства. М. : 1995. 173 с.

   7.  Румянцев
В.А. Производство зеленого криокорма в Центральной Якутии : рекомендации/
Румянцев В.А., Румянцева Д.В. АН РС (Я).- Якутск: Полюс, 2011.- 24с.

References

1. Rumyantsev,
   V.A. Cryofeed in winter reindeer rations / Program andabracts // 3rd
   circumpolar agricultural conference. (Anchorage, 12-16 October, 1998). Hotel
   caption cook.- Alaska, Anchorage, 1998 .– P. 25.
2. The
   system of agricultural production of the Republic of Sakha (Yakutia) until 2005
   / RAAS.Siberian brance,  Yakut SRIA.-
   Novosibirsk, 1999.
3. Guidelines
   for conducting experiments with feed crop rotation. – M .; 1974. – S.9-17.
4. Dospekhov,
   B.A. Field experience. Moscow: Kolos, 1978.- 416 p.
5. Guidelines
   for bioenergy assessment of crop rotation and forage crop cultivation
   technologies. – M .; 1989 .- 23 p.
6. Methodological
   manual on agri-energy and economic evaluation of technologies and systems of
   feed production. Moscow: 1995, 173 p.
7. Rumyantsev
   V.A. Green cryofeed production in Central Yakutia: recommendations / Rumyantsev
   V.A., Rumyantseva D.V. Science Academy, RS(Ya.) .- Yakutsk: Polus, 2011 .- 24s.

УДК 657: 631. 162

DOI 10.24411/2413-046Х-2020-10184

СОВРЕМЕННЫЕ
ТЕНДЕНЦИИ РАЗВИТИЯ ЖИВОТНОВОДСТВА В ПЕРМСКОМ КРАЕ

CURRENT TRENDS IN THE DEVELOPMENT OF ANIMAL HUSBANDRY
IN THE PERM REGION

Шалаева Людмила Васильевна, кандидат экономических наук, доцент кафедры бухгалтерского учета и финансов ФГБОУ ВО «Пермский государственный аграрно-технологический университет имени академика Д.Н. Прянишникова» (ФГБОУ ВО Пермский ГАТУ)

Shalaeva
Lyudmila Vasilyevna, Candidate of
Economic Sciences, associate professor of accounting and finance

FGBOU WAUGH “The Perm state agrarian and
technological university of a name of the academician D.N. Pryanishnikov”
(FGBOU WAUGH Perm to GHAT)

Аннотация. В статье представлены результаты анализа основных тенденций в сфере животноводства на примере сельскохозяйственных организаций Пермского края. Анализ проведен на базе классической методологии по материалам официальной статистики за 2014-2018 года. Дана оценка условий и результатов производства продукции животноводства, обозначены положительные и отрицательные тенденции производства основных видов продукции: мяса, молока, яиц. Результаты исследований имеют практическое значение для оценки эффективности решения проблем продовольственной безопасности и импортозамещения в условиях санкционной экономики, а также реализации программ социально-экономического развития сельских территорий Пермского края.

Summary. The article presents the results of analysis of the main trends in the
field of animal husbandry on the example of agricultural organizations in the
Perm region. The analysis is based on the classical methodology based on
official statistics for 2014-2018. The assessment of conditions and results of
production of livestock products is given, positive and negative trends of
production of the main types of products are indicated: meat, milk, eggs. The
research results are of practical significance for assessing the effectiveness
of solving problems of food security and import substitution in the conditions
of the sanctions economy, as well as implementing programs for the
socio-economic development of rural territories of the Perm region.

Ключевые слова: тенденции, сельское
хозяйство, животноводство, продуктивность, поголовье.

Key words: trends, agriculture, animal husbandry, productivity,
livestock.

Введение

В
Пермском крае животноводство является наиболее устойчивым к неблагоприятным
климатическим условиям видом сельскохозяйственного производства и стратегически
значимым направлением производственной деятельности, обеспечивающим необходимые
продовольственные ресурсы для решения проблем продовольственной безопасности РФ
и импортозамещения. Сельскохозяйственные организации Пермского края выполняют
серьёзные задачи наращивания темпов производства сельскохозяйственного сырья и
продукции его переработки, в том числе продукции животноводства. Оценка условий
и результатов производства продукции животноводства дана по официальным
материалам государственной статистики деятельности сельскохозяйственных
организации Пермского края за 2014-2018 года [1].

Материалы и методы исследования

Решение
проблем методологического обеспечения направлений анализа, нацеленных на
выявление существенных тенденций, мы встречаем в трудах многих зарубежных и
отечественных ученых, таких как Богатая
И.Н. [2], Вахрушина М.А. [3], Ивашкевич В.Б. [4], Керимов В.Э. [5], Портер М. [6],
Степаненко Е.И. [7], ШешуковаТ.Г. [8] и др.

Анализ проведен на базе
классической методологии по следующим направлениям оценки  показателей деятельности в отрасли животноводства:

• оценка динамики и структуры производства продукции сельского хозяйства  (таблица 1,2);
• оценка динамики и структуры производства продукции животноводства по категориям хозяйств (таблицы 3);
• оценка динамики производства отдельных видов продукции животноводства (таблица 4);
• оценка динамики продуктивности животных   (таблица 5);
• оценка динамики поголовья скота и птицы (таблица 6);
• оценка динамики расхода кормов в животноводстве  (таблица 7).

Результаты исследований
имеют практическое значение для оценки эффективности решения проблем
продовольственной безопасности и импортозамещения в условиях санкционной
экономики, а также реализации программ социально-экономического развития
сельских территорий Пермского края.

На первом этапе дана оценка динамики и структуры производства продукции сельского хозяйства за период с 2014 г. по 2018 г. (таблица 1).

В структуре производства
продукции сельского хозяйства наибольшая доля приходится на производство
продукции животноводства (в среднем за период исследования – 67,5%). На долю
производства продукции растениеводства приходится в среднем 32,5%. При этом
имеет место незначительное увеличение доли продукции животноводства (+3,05%).

Сравнительная оценка темпов роста производства продукции сельского хозяйства и темпов роста производства продукции животноводства представлена в таблице 2.

В целом за исследуемый период объем
производства продукции сельского хозяйства по официальным данным Пермского
края увеличился на 6905,1 млн. руб. или на 18,52% к уровню 2014 года. При этом в
2015, 2016 годах отмечены отрицательные тенденции. Прирост  объема производства продукции животноводства за
2014-2018 года составил 5405,8 млн. руб. (22,42%) при
незначительном снижении объема продукции в 2016 году на 1,11% относительно
уровня предыдущего года. Среднегодовой темп роста объёма производства продукции сельского
хозяйства составил 105,63%, в животноводстве – 106,62%. В животноводстве стабильно
наблюдается превышение темпов роста производства продукции в целом по сельскому
хозяйству. Исключением является 2018 год (-3,28%).

Результаты
исследования

Далее представлены результаты оценки динамики и структуры производства продукции животноводства по категориям хозяйств (таблица 3).

В структуре производства продукции животноводства по
категориям хозяйств наибольшая доля приходится на сельскохозяйственные
организации (69-74%) при наличии положительной динамики (рост доли за 2014-2018
года – на 5,57%). На хозяйства населения приходится в разные годы 20-27%
от общего
объема производства продукции животноводства. Доля данного сегмента за период
исследования сократилась на 6,72%. Имеет место увеличение доли продукции крестьянских
(фермерских) хозяйств и индивидуальных предпринимателей (+1,15%).

Сопоставляя темпы роста производства продукции животноводства
по категориям хозяйств со средними темпами роста в животноводстве, можно
отметить стабильное и существенное превышение среднего уровня по отрасли по крестьянским
(фермерским) хозяйствам и индивидуальным предпринимателям (в целом за период
исследования – 42,97%). Исключением являются 2017-2018 года. По остальным
сегментам структуры производства продукции животноводства наблюдаются
нестабильные тенденции, в большей степени положительные по сельскохозяйственным
организациям (в целом за период исследования прирост составил 9,87%), существенные
отрицательные – по хозяйствам населения (в целом за период исследования спад
составил 29,76%).

Для оценки влияния обозначенных тенденций на уровень продовольственных ресурсов Пермского края рассмотрим динамику производства отдельных видов продукции животноводства (таблица 4).

Представленные данные
свидетельствуют о наличии положительных тенденции в сфере молочного
скотоводства и птицеводства мясо-яичного направления, отрицательных тенденций в
сфере мясного скотоводства и свиноводства. Высокий уровень нестабильности
отмечен в сфере производства меда, что доказывает высокую степень зависимости
данной отрасли от погодных условий. Прирост производства молока всех видов
составил относительно уровня 2014 года 40,6 тыс. тонн (8,73%), прирост
производства яиц – 288,9 млн. шт. (28,59%), что, в большей степени, и
определило прирост производства продукции животноводства в целом за период
исследования на 11,37%.

В результате сопоставления
темпов роста натуральных объемов производства продукции животноводства со
средними темпами роста в животноводстве, получены, в основном, отрицательные
отклонения, что свидетельствует о преобладающем влиянии роста цен на динамику
производства продукции животноводства и о наличии тенденции снижения
результативности деятельности в сфере животноводства.

Динамика показателей продуктивности скота и птицы представлена в таблице 5.

Показатели продуктивности
скота и птицы имеют положительную тенденцию, что определяет перспективы
развития животноводства в Пермском крае и резервы роста его эффективности.
Отмечен стабильный рост среднегодового надоя молока. За период исследования
прирост по надою молока на 1 голову составил 667 кг (12,3%). Более высокие
темпы роста продуктивности скота имеют место в свиноводстве (более 30%), более
низкие – в мясном скотоводстве и птицеводстве.

Перейдем к оценке факторов, определяющих результаты деятельности сельскохозяйственных организаций Пермского края в отрасли животноводства. Динамика поголовья скота и птицы представлена в таблице 6.

В составе КРС наблюдается
рост поголовья коров на 3,6 тысяч голов (3,57%), что является прямым фактором
роста объема производства молока всех видов. Поголовье птицы по сравнению с
уровнем 2014 года выросло на 697,5 тысяч голов (9,23%), что также явилось
существенным фактором роста производства яиц. По остальным видам скота
наблюдается снижение поголовья.

Показатели динамики расхода кормов в животноводстве представлены в таблице 7.

Показатели расхода кормов в животноводстве имеют в основном положительную динамику, что свидетельствует о росте уровня обеспеченности поголовья скота и птицы кормами, в том числе концентрированными
и
наличии
условий
для
развития
отрасли
животноводства
и
повышения
уровня
его
результативности
и
эффективности.

Выводы

Динамика представленных
показателей позволяет сделать вывод о наличии положительных и отрицательных
тенденций в деятельности сельскохозяйственных организаций Пермского края в
отрасли животноводства.  Обозначены
основные резервы роста эффективности производства продукции животноводства и
продовольственных ресурсов региона, что определяет необходимость дальнейшего
развития молочного и мясного скотоводства, птицеводства и свиноводства.

Считаем, что существенную
помощь в решении обозначенных проблем оказало бы изменение системы
государственной поддержки сельскохозяйственных товаропроизводителей.  Система субсидирования и другие формы
финансовой поддержки имеют прямое, существенное значение для реализации возможностей и исключения
рисков решения проблем продовольственной безопасности и импортозамещения в
рамках исследуемого региона.

Список литературы

1. Территориальный орган Федеральной службы
государственной статистики по Пермскому краю [Электронный ресурс] / Режим
доступа: http://permstat.gks.ru/

2. Богатая И.Н. Стратегический
учет собственности предприятия. Ростов-на-Дону: Феникс, 2001. 320 с.

3. Вахрушина М.А., Сидорова М.И., Борисова Л.И. Стратегический управленческий учет. Полный курс MBA: Учеб. пособие.
М.: РИД ГРУПП, 2011. 192 с.

4. Ивашкевич В.Б.Бухгалтерский управленческий учёт: учебник.
М.: Магистр: Инфра-М,2011. 576 с.

5. Керимов В.Э. Стратегический
учет: Учеб. пособие / М.: Омега-Л, 2010. 166 с.

6. Портер М.Конкурентная стратегия: Методика анализа
отраслей и конкурентов / Пер. с англ. М.: Альпина Бизнес
Букс, 2005.  454 с.

7. Степаненко Е.И. Теория и
методология системы показателей финансово-экономической деятельности
организаций агропромышленного комплекса. М.: Маркетинг. 2007. 300 с.

8. Шешукова Т.Г., Шалаева Л.В.Стратегический
управленческий анализ внешней среды / Л.В. Шалаева.  Пермь: ИПЦ «Прокростъ», 2015. 139 с.

List of references

1.
Territorial body of the Federal state statistics service for Perm Krai
[Electronic resource] / access Mode: http://permstat.gks.ru/.

2.
Bogataya I. N. Strategic accounting of enterprise property. Rostov-on-don:
Phoenix, 2001. 320 PP.

3.
Bahrushina M. A., Sidorova, M. I., Borisova, L. I., Strategic management
accounting. Full MBA course: Studies. benefit. M: the REED GROUP, 2011. 192 PP.

4.
Ivashkevich, V. B. Accounting administrative account: the textbook. M.: Master:
Infra-M, 2011. 576 p.

5.
Kerimov V. E. Strategic accounting: Studies. manual / M.: omega-L, 2010. 166 p.

6.
Porter M. Competitive strategy: Techniques for analyzing industries and competitors
/ Per. with English. M.: Alpina Business Books, 2005.  454 p.

7.
Stepanenko E. I. Theory and methodology of the system of indicators of
financial and economic activity of the organizations of agro-industrial
complex. M.: Marketing. 2007. 300 PP.

8.
Sheshukova T. G., Shalaeva L. V. Strategic management analysis of the external
environment / L. V. Shalaeva.  Perm: CPI
“Procrasty”, 2015. 139 p.

УДК 657: 631. 162

DOI 10.24411/2413-046Х-2020-10183

СОВРЕМЕННЫЕ
ТЕНДЕНЦИИ РАЗВИТИЯ РАСТЕНИЕВОДСТВА В ПЕРМСКОМ КРАЕ

CURRENT TRENDS IN CROP PRODUCTION IN THE PERM REGION

Шалаева Людмила Васильевна, Кандидат
экономических наук, доцент кафедры бухгалтерского учета и финансов ФГБОУ ВО
«Пермский государственный аграрно-технологический университет имени академика
Д.Н. Прянишникова» (ФГБОУ ВО Пермский ГАТУ)

Shalaeva Lyudmila Vasilyevna, Candidate of
Economic Sciences, associate professor of accounting and finance

FGBOU WAUGH
“The Perm state agrarian and technological university of a name of the
academician D.N. Pryanishnikov” (FGBOU WAUGH Perm to GHAT)

Аннотация. В статье представлены результаты анализа основных тенденций в растениеводстве на примере деятельности сельскохозяйственных организаций Пермского края. Анализ проведен на базе классической методологии по материалам официальной статистики за 2014-2018 года. Дана оценка условий и результатов производства продукции растениеводства, обозначены положительные и отрицательные тенденции производства основных видов продукции: зерна, картофеля, овощей. Результаты исследований имеют практическое значение для оценки эффективности решения проблем продовольственной безопасности и импортозамещения в условиях санкционной экономики, а также реализации программ социально-экономического развития сельских территорий Пермского края.

Summary. The article presents the results of analysis of the main trends in crop
production on the example of agricultural organizations in the Perm region. The
analysis is based on the classical methodology based on official statistics for
2014-2018. The assessment of conditions and results of crop production is
given, positive and negative trends in the production of the main types of
products are indicated: grain, potatoes, vegetables. The research results are
of practical significance for assessing the effectiveness of solving problems
of food security and import substitution in the conditions of the sanctions
economy, as well as implementing programs for the socio-economic development of
rural territories of the Perm region.

Ключевые слова: тенденции, сельское
хозяйство, растениеводство, интенсификация, эффективность, продовольственные ресурсы.

Key words: trends,
agriculture, crop production, intensification, efficiency, food resources.

Введение

В
соответствии с государственной политикой РФ растениеводство является одним из
наиболее стратегически значимых направлений производственной деятельности, обеспечивающих
необходимые ресурсы для решения проблем продовольственной безопасности РФ и
импортозамещения. Роль сельскохозяйственного производителя продукции
растениеводства ещё более возрастает в современных условиях санкционной
экономики. На сельскохозяйственные организации возложены серьёзные задачи
наращивания темпов производства сельскохозяйственного сырья и продукции его
переработки, в том числе продукции растениеводства. Оценка условий и результатов
производства продукции растениеводства дана по официальным материалам
государственной статистики деятельности сельскохозяйственных организации
Пермского края за 2014-2018 года [1].

Материалы и методы исследования

Решение
проблем методологического обеспечения направлений анализа, нацеленных на
выявление существенных тенденций, мы встречаем в трудах многих зарубежных и
отечественных ученых, таких как Богатая
И.Н. [2], Вахрушина М.А. [3], Ивашкевич В.Б. [4], Керимов В.Э. [5], Портер М. [6],
Степаненко Е.И. [7], ШешуковаТ.Г. [8] и др.

Анализ проведен на базе
классической методологии по следующим направлениям оценки  показателей деятельности в отрасли
растениеводства:

• оценка динамики и структуры производства продукции сельского хозяйства  (таблица 1,2);
• оценка динамики и структуры производства продукции растениеводства по категориям хозяйств (таблицы 3);
• оценка динамики производства отдельных видов продукции растениеводства (таблица 4);
• оценка динамики урожайности продукции растениеводства   (таблица 5);
• оценка динамики и структура посевных площадей (таблица 6);
• оценка уровня интенсификации производства продукции растениеводства  (таблица 7).

Результаты исследований
имеют практическое значение для оценки эффективности решения проблем
продовольственной безопасности и импортозамещения в условиях санкционной
экономики, а также реализации программ социально-экономического развития
сельских территорий Пермского края.

На первом этапе дана оценка динамики и структуры производства продукции сельского хозяйства за период с 2014 г. по 2018 г. (таблица 1).

В структуре производства
продукции сельского хозяйства наибольшая доля приходится на производство
продукции животноводства (в среднем за период исследования – 67,5%). На долю
производства продукции растениеводства приходится в среднем 32,5%. При этом
имеет место незначительное увеличение доли продукции животноводства (+3,05%).

Сравнительная оценка темпов роста производства продукции сельского хозяйства, в частности продукции растениеводства представлена в таблице 2.

В целом за исследуемый период объем
производства продукции сельского хозяйства по официальным данным Пермского
края увеличился на 6905,1 млн. руб. или на 18,52% к уровню 2014 года. При этом в
2015, 2016 годах отмечены отрицательные тенденции. Снижение  объема производства продукции растениеводства
в 2015 году составило 370 млн. руб. (2,81%), в 2016 году – 271,7
млн. руб. (2,12%). Среднегодовой темп роста объёма производства продукции сельского
хозяйства составил 105,63%, в растениеводстве – 104,05%. В растениеводстве
наблюдается отрицательное отклонение от темпа роста в целом по сельскому
хозяйству. Исключением является 2018 год (+7,27%).

Далее дана оценка динамики и структуры производства продукции растениеводства по категориям хозяйств (таблица 3).

В структуре производства продукции растениеводства
по категориям хозяйств наибольшая доля приходится на хозяйства населения
(54-63%) при наличии нестабильной динамики. На сельскохозяйственные организации
приходится в разные годы 28-37% от общего объема производства продукции
растениеводства. Доля данного сегмента за период исследования сократилась на
3,55%. Имеет место увеличение доли продукции крестьянских (фермерских) хозяйств
и индивидуальных предпринимателей (+1,76%).

Сопоставляя темпы роста производства продукции
растениеводства по категориям хозяйств со средними темпами роста в
растениеводстве, можно отметить стабильное и существенное превышение среднего
уровня по отрасли по крестьянским (фермерским) хозяйствам и индивидуальным
предпринимателям (в целом за период исследования – 35,17%). Исключением
является 2018 год. По остальным сегментам структуры производства продукции
растениеводства наблюдаются нестабильные тенденции, в большей степени
отрицательные по сельскохозяйственным организациям, в меньшей степени – по
хозяйствам населения.

Результаты
исследования

Для оценки влияния обозначенных тенденций на уровень продовольственных ресурсов Пермского края рассмотрим динамику производства отдельных видов продукции растениеводства (таблица 4).

Пермский край отличается
более суровыми климатическими условиями, что объясняет причины нестабильности в
отрасли растениеводства. Устойчивая отрицательная тенденция наблюдается по зерну
за 2015,2016 года, картофелю – за период с 2014 года по 2017 год, овощам – за
2014-2016 года. Нестабильным является производство кукурузы на корм,
выращивания многолетних и однолетних кормовых культур на сено.  Положительная тенденция имеет место по зерну
за 2017-2018 года.

В результате сопоставления
темпов роста натуральных объемов производства продукции растениеводства со
средними темпами роста в растениеводстве, получены, в основном, отрицательные
отклонения, что свидетельствует о преобладающем влиянии роста цен на динамику
производства продукции растениеводства и о наличии тенденции снижения
результативности деятельности в сфере растениеводства.

Динамика показателей урожайности продукции растениеводства  представлена в таблице 5.

Показатели урожайности
неустойчивы, имеют место существенные колебания их уровня по исследуемому
периоду. Всё это ещё раз доказывает, что Пермский край – зона рискованного
земледелия.  

Перейдем к оценке условий деятельности сельскохозяйственных организаций Пермского края в отрасли растениеводства. Динамика и структура посевных площадей Пермского края представлена в таблице 6.

При росте общей посевной
площади на 35,5 тыс. га (4,9%) имеет место снижение площади посева зерновых
культур, картофеля, овощей и увеличение площади посева кормовых культур, в том
числе многолетних трав (+ 68,1 тыс. га за 2014-2018 года). Это соответствует
изменениям в структуре производства продукции сельского хозяйства (снижение
доли продукции растениеводства при росте доли продукции животноводства).

Показатели интенсификации производства продукции растениеводства  представлены в таблице 7.

Показатели интенсификации производства, технического и энергетического оснащения имеют колебания, в том числе отрицательные.  Существенно
снизился
уровень
использования
энергетических
мощностей
–
на
115 тысяч
л.с.
(8,9%). Внесение
минеральных
удобрений
колеблется
и
сократилось
к
уровню
2014 года
на
1 тысячу
тонн,
что
частично
компенсировано
за
счет
органических
удобрений.
В
итоге
можно
сказать,
что
имеют
место
и
положительные
и
отрицательные
тенденции,
оказывающие
чаще
всего
прямое
влияние
на
показатели
результативности
и
эффективности
сельскохозяйственного
производства.

Выводы

Динамика представленных
показателей позволяет сделать вывод о наличии положительных и отрицательных
тенденций в деятельности сельскохозяйственных организаций Пермского края.
Наблюдаются недостаток технических, энергетических ресурсов, минеральных
удобрений. Проявляется проблема недостатка семян и посадочного материала, более
устойчивых к условиям выращивания на территории Пермского края.

Считаем, что существенную
помощь в решении обозначенных проблем оказало бы изменение системы
государственной поддержки сельскохозяйственных товаропроизводителей.  Система субсидирования и другие формы
финансовой поддержки имеют прямое, существенное значение для обоснования возможностей и исключения
рисков решения проблем продовольственной безопасности и импортозамещения в
рамках исследуемого региона.

Список литературы

1. Территориальный орган Федеральной службы
государственной статистики по Пермскому краю [Электронный ресурс] / Режим
доступа: http://permstat.gks.ru/

2. Богатая И.Н. Стратегический
учет собственности предприятия. Ростов-на-Дону: Феникс, 2001. 320 с.

3. Вахрушина М.А., Сидорова М.И., Борисова Л.И. Стратегический управленческий учет. Полный курс MBA: Учеб. пособие.
М.: РИД ГРУПП, 2011. 192 с.

4. Ивашкевич В.Б.Бухгалтерский управленческий учёт: учебник.
М.: Магистр: Инфра-М,2011. 576 с.

5. Керимов В.Э. Стратегический
учет: Учеб. пособие / М.: Омега-Л, 2010. 166 с.

6. Портер М.Конкурентная стратегия: Методика анализа
отраслей и конкурентов / Пер. с англ. М.: Альпина Бизнес
Букс, 2005.  454 с.

7. Степаненко Е.И. Теория и
методология системы показателей финансово-экономической деятельности
организаций агропромышленного комплекса. М.: Маркетинг. 2007. 300 с.

8. Шешукова Т.Г., Шалаева Л.В.Стратегический
управленческий анализ внешней среды / Л.В. Шалаева.  Пермь: ИПЦ «Прокростъ», 2015. 139 с.

List of references

1.
Territorial body of the Federal state statistics service for Perm Krai
[Electronic resource] / access Mode: http://permstat.gks.ru/.

2.
Bogataya I. N. Strategic accounting of enterprise property. Rostov-on-don:
Phoenix, 2001. 320 PP.

3.
Bahrushina M. A., Sidorova, M. I., Borisova, L. I., Strategic management
accounting. Full MBA course: Studies. benefit. M: the REED GROUP, 2011. 192 PP.

4.
Ivashkevich, V. B. Accounting administrative account: the textbook. M.: Master:
Infra-M, 2011. 576 p.

5.
Kerimov V. E. Strategic accounting: Studies. manual / M.: omega-L, 2010. 166 p.

6.
Porter M. Competitive strategy: Techniques for analyzing industries and competitors
/ Per. with English. M.: Alpina Business Books, 2005.  454 p.

7.
Stepanenko E. I. Theory and methodology of the system of indicators of
financial and economic activity of the organizations of agro-industrial
complex. M.: Marketing. 2007. 300 PP.

8.
Sheshukova T. G., Shalaeva L. V. Strategic management analysis of the external
environment / L. V. Shalaeva.  Perm: CPI
“Procrasty”, 2015. 139 p.

УДК 658

DOI 10.24411/2413-046Х-2020-10162

ТОЧЕЧНЫЙ
И ИНТЕРВАЛЬНЫЙ ПРОГНОЗ ОСНОВНЫХ ПОКАЗАТЕЛЕЙ УРОВНЯ ЖИЗНИ НАСЕЛЕНИЯ РОССИЙСКОЙ
ФЕДЕРАЦИИ

POINT AND INTERVAL FORECAST OF
THE MAIN INDICATORS OF LIVING STANDARDS OF THE POPULATION OF THE RUSSIAN
FEDERATION

Баянова
Ольга Викторовна, кандидат экономических наук, доцент,
доцент кафедры бухгалтерского учета и финансов, ФГБОУ ВО Пермский ГАТУ, г.
Пермь

Bayanova Olga Victorovna, candidate of economic Sciences, associate Professor,
associate Professor of accounting and Finance, Department  FSBEI
HE Perm SATU, c. Perm

Аннотация.
В
научной статье представлена методика и результаты построения эконометрической
модели, точечного и интервального прогнозирования важных показателей уровня
жизни населения Российской Федерации. Раскрыты семь этапов эконометрического
моделирования уровня жизни, сделан точечный прогноз показателей уровня жизни:
при величине прожиточного минимума в размере 8500 рублей размер заработной
платы составит 28028 рублей. В результате интервального прогнозирования построен
доверительный интервал прогнозируемой среднемесячной
номинальной начисленной заработной платы работников организаций: (y_p  = 28028 ± 5335,8). Верхняя граница интервала составляет 33363,8 рублей, нижняя граница – 22692,2 рублей.

Summary. The scientific article presents the methodology and results of building an econometric model, point and interval forecasting of important indicators of living standards of the population of the Russian Federation. Seven stages of econometric modeling of living standards have been revealed, a point forecast of living standards indicators has been made: if the subsistence minimum is 8,500 rubles, the wage will be 28,028 rubles. As a result of interval forecasting, the confidence interval of the forecast average monthly nominal accrued wages of employees of organizations has been built: (y_p = 28028 ± 5335.8). The upper limit of the interval is 33363.8 rubles, the lower limit – 22692.2 rubles.

Ключевые
слова: сельское хозяйство; эконометрическое моделирование; точечный
прогноз; интервальный прогноз; прожиточный минимум; заработная плата.

Keyword: agriculture;
econometric modeling;
dot forecast;
interval forecast;
living wage;
salary.

Введение

Построение
эконометрической модели при проведении исследования экономических показателей
является приоритетной работой экономистов-исследователей. Точечное и
интервальное прогнозирование позволяет предсказать изменение ключевых
экономических показателей в результате влияния различных факторов. Поэтому
проведение эконометрического исследования в виде точечного и интервального
прогнозирования уровня заработной платы при определенном значении фактора
(величины прожиточного минимума) является актуальным.

Теоретической базой
исследования послужили труды отечественных и зарубежных ученых: Антамошкина
Е.Н. провела анализ эффективности агропродовольственной политики на основе
экономико-математического моделирования [1]; Московский Н.В. представил оценку
региональной практики разработки и реализации стратегических программ [2];
Реймер В.В. обращает внимание на потенциал повышения конкурентоспособности
сельских территорий [3]; Bachev
H.
вскрыл социально-экономические проблемы в сельской местности и дал оценку
системы управления устойчивым развитием сельского хозяйства Болгарии [4]; Koteva N.  соотносят экономическое и финансовое состояние
сельского хозяйства Болгарии с назревшими социально-экономическими проблемами в
стране [5]; Prause
G.,
Boevsky
I.
видят разумное развитие сельских регионов Эстонии в решении
социально-экономических проблем [6].

Материалы и методы исследования

Начальным
этапом эконометрического исследования является построение эконометрической
модели показателей уровня жизни населения Российской Федерации. Существует семь
этапов построения эконометрической модели.

Первый
этап называется «Постановочный».  Он
включает в себя постановку цели исследования и набора экономических переменных.
Цель исследования показателей уровня жизни: обеспечение роста уровня жизни
населения, выявление факторов, оказывающих влияние на его размер.Набор
участвующих в модели факторов: основной фактор – величина прожиточного минимума.
На уровень жизни оказывает влияние величина прожиточного минимума.

Второй
этап называется «Априорный». Он выявляет сущность экономического показателя, а
также формирование и формализацию априорной (известной до начала моделирования)
информации. Сущность показателей уровня жизни населения: показывает
социальную обстановку в стране; свидетельствует о богатстве или бедности
населения страны; экономический показатель, характеризующий выполнение
социальной направленности государственной политики. Априорная информация: рост уровня
жизни – положительная тенденция, снижение уровня жизни – отрицательная
тенденция; рост величины прожиточного минимума – отрицательная тенденция;
снижение величины прожиточного минимума – положительная тенденция; рост заработной
платы – положительная тенденция; снижение заработной платы – отрицательная
тенденция.

Третий этап называется
«Информационный». На этом этапе производится регистрация значений участвующих в
модели факторов и показателей. Используются данные статистики или экономических
субъектов.

Четвертый этап называется
«Спецификация». На этом этапе (подробного описания объекта исследования):
обнаруженные связи и соотношения выражаются в математической форме;
устанавливается список экономических переменных и взаимосвязи экзогенных и
эндогенных переменных, в том числе лаговых; производится формулировка исходных
предпосылок и ограничений модели.

Список экономических
переменных и взаимосвязи экзогенных и эндогенных переменных:

• заработная плата – эндогенная переменная (результативный признак) располагается в левой части модели и обозначается y;
• величина прожиточного минимума  – экзогенная переменная (фактор) располагается в правой части модели и обозначаются х.

Формулировка исходных
предпосылок и ограничений модели:

• заработная плата  стремится к бесконечности

• величина прожиточного минимума – стремятся к минимуму

Пятый этап называется
«Параметризация». Этот этап характеризуется выбором
общего вида модели и выявлением входящих в нее связей.

Выбор общего вида модели. В модели присутствует один фактор, поэтому используем уравнение парной регрессии.

где a – параметр уравнения парной
регрессии (свободный член уравнения);

b
–
параметр уравнения парной регрессии при факторе;

– случайная ошибка.

Выявление входящих в модель связей. Параметр a свободный член уравнения, не поддающийся интерпретации. Параметр b измеряет, на сколько единиц в среднем изменится результативный признак при изменении первого фактора на одну единицу.

Шестой этап называется
«Идентификация». На этом этапе проводится
статистический анализ модели, дается оценка ее параметров при помощи
статистических методов. Статистический анализ модели: точечное и интервальное
прогнозирование. Оценка параметров модели проводится с помощью метода
наименьших квадратов.

Седьмой этап называется
«Верификация». Этот этап предполагает проверку адекватности модели и точности
расчетов.Проверка адекватности модели производится с помощью расчета ошибки
аппроксимации. Значимость параметров уравнения регрессии проверяется с помощью t-критерия
Стьюдента и F-критерия
Фишера.Точность расчетов проверяется путем пересчета.

Под
прогнозированием в эконометрических исследованиях понимают построение оценки
зависимой переменной для таких значений независимых переменных, которых нет в
исходных наблюдениях. В исследованиях различают точечное и прогнозирование и
интервальное.

При
точечных прогнозных расчетах по уравнению регрессии определяется прогнозное
значение результативного признака путем подстановки в линейное уравнение
регрессии соответствующего (точечного) значения фактора. Такой прогноз
обязательно дополняется расчетом стандартной ошибки.

Интервальные
прогнозы заключаются в построении доверительного интервала прогноза и строятся
на основе точечных прогнозов. Доверительным интервалом называется интервал,
относительно которого можно с заранее выбранной вероятностью утверждать, что он
содержит значение прогнозируемого показателя. Доверительный интервал имеет
верхнюю и нижнюю границу. Ширина интервала зависит от качества модели, числа наблюдений,
горизонта прогнозирования, выбранного уровня вероятности и других факторов.

При
построении доверительного интервала прогноза используется стандартная ошибка
прогноза и табличное значение t-критерия
Стьюдента. Если построенная модель адекватна, то с выбранной вероятностью можно
утверждать, что при сохранении сложившихся закономерностей развития
прогнозируемая величина попадает в интервал, образованный верхней и нижней
границей.

Точечное
и интервальное прогнозирование базируется на следующих предположениях:

1.
развитие исследуемого явления в целом описывается плавной кривой;

2. общая
тенденция развития явления в прошлом и настоящем не указывает на серьезные
изменения в будущем;

3. учет
случайности позволяет оценить вероятность отклонения от закономерного развития.

С  вероятностью в 95% (или погрешностью в 5%)
определим размер среднемесячной номинальной начисленной
заработной платы работников организаций, если величина прожиточного минимума
составит 8500 рублей.

Убедимся, что такой точки нет в исходных наблюдениях (таблица 1).

На
первом этапе проведем точечное прогнозирование.

Если
примем прогнозное значение величины прожиточного минимума x = 8500 рублей,то точечный прогноз среднемесячной номинальной начисленной заработной платы
работников организаций составит:

y_p  = 585,7287 + 3,2285 * 8500
= 28028,0 рублей.

На
втором этапе представим методику и результаты интервального прогнозирования.

Чтобы
получить интервальный прогноз, найдем стандартную ошибку предсказываемого
значения среднемесячной номинальной начисленной
заработной платы работников организаций:

Для определения знаменателя составим рабочую таблицу (таблица 2).

Предельная
ошибка прогнозируемой среднемесячной номинальной
начисленной заработной платы работников организаций составит:

∆y_p = t_{табл  ·} m_yp = 2,57 * 1937,96 = 4980,55
рублей.

и
не больше, чем

y_{p max}  = 28028 + 4980,55 = 33008,55
рублей.

Результаты исследования

Доверительный
интервал прогнозируемой среднемесячной номинальной
начисленной заработной платы работников организаций составит:

y_p  = 28028 ± 4980,55.

При
величине прожиточного минимума, равной 
8500 рублей, получим значение среднемесячной
номинальной начисленной заработной платы работников организаций:

не
меньше, чем

y_{p min}  = 28028 – 4980,55 =
23047,45 рублей,

и
не больше, чем

y_{p max}  = 28028 + 5335,8 = 33363,8
рублей.

Выводы

Таким образом,  получены следующие результаты точечного и интервального
прогнозирования:

–
при прогнозном значении величины прожиточного минимума в размере8500 рублей,размер среднемесячной номинальной
начисленной заработной платы работников организаций составит 28028,0
рублей;

–
при величине прожиточного минимума, равной 
8500 рублей, получим значение среднемесячной
номинальной начисленной заработной платы работников организаций не
меньше, чем 23047,45 рублей и не больше, чем 33363,8 рублей.

Литература

1. Антамошкина Е.Н.
Анализ эффективности агропродовольственной политики на основе
экономико-математического моделирования// региональные проблемы преобразования
экономики . – 2016. – № 10. – С. 46 – 54.

2. Московский Н.В. Региональная
практика разработки и реализации стратегических программ  // Агропродовольственная политика России. –
2016. – № 9. – С.26 – 29.

3. Реймер В.В. К вопросу о
повышении конкурентоспособности сельских территорий  // Экономика сельского хозяйства России. – 2017.
– № 6. – С.84 – 89.

4. Bachev H. Assessment of system of governance of agrarian sustainability
// Икон. Упр. селск. Стоп. – 2015. – Vol 60, № 4. – С. 21 – 48.

5. Koteva N. Farms economic and financial state // Икон. Упр. селск. Стоп. – 2015. – Vol 60, № 4. – С. 3 – 20.

6. Prause G., Boevsky I.  Smart rural
development // Икон. Упр. селск. Стоп. – 2015. – Vol 60, № 4. – С. 63 – 69.

Reference

1. Antamoshkin E. N. Analysis of the effectiveness of agro-food policy
on the basis of economic and mathematical modeling//regional problems of economic
transformation. – 2016. – № 10. – pp. 46 – 54.

2. Moscow N.V. Regional practice of development and implementation of
strategic programs//Agri-food policy of Russia. – 2016. – № 9. – С.26 – 29.

3. Reimer V. V. To the issue of increasing the competitiveness of rural
areas//Economics of Agriculture of Russia. – 2017. – № 6. – С.84 – 89.

4. Bachev H. Assessment of system of governance of agrarian
sustainability // Икон. Упр. селск. Стоп. – 2015. – Vol 60, № 4. – Р. 21 – 48.

5. Koteva N. Farms economic and financial state // Икон. Упр. селск. Стоп. – 2015. – Vol 60, № 4. – Р. 3 – 20.

6. Prause G., Boevsky I.  Smart rural
development // Икон. Упр. селск. Стоп. – 2015. – Vol 60, № 4. – Р. 63 – 69.

УДК 658

DOI 10.24411/2413-046Х-2020-10161

ИССЛЕДОВАНИЕ
МЕТОДОМ ПАРНОЙ РЕГРЕССИИ ОСНОВНЫХ ПОКАЗАТЕЛЕЙ УРОВНЯ ЖИЗНИ НАСЕЛЕНИЯ РОССИЙСКОЙ
ФЕДЕРАЦИИ

STUDY BY PAIR REGRESSION OF
BASIC INDICATORS OF LIVING STANDARDS OF THE POPULATION OF THE RUSSIAN
FEDERATION

Баянова
Ольга Викторовна, кандидат экономических наук, доцент,
доцент кафедры бухгалтерского учета и финансов ФГБОУ ВО Пермский ГАТУ, г. Пермь

Bayanova Olga Victorovna, candidate of economic Sciences, associate Professor,
associate Professor of accounting and Finance Department  FSBEI
HE Perm SATU, c. Perm

Аннотация.
Научная
статья содержит методику и результаты эконометрического исследования
показателей уровня жизни населения Российской Федерации: величины прожиточного
минимума и заработной платы населения Российской Федерации. Построена регрессионная
модель (парная регрессия), проведен регрессионный анализ, выявлен хороший
подбор модели к исходным данным. Выдвинута нулевая гипотеза, которая в процессе
исследования опровергнута по параметру b
и по коэффициенту корреляции. построены доверительные интервалы, которые
засвидетельствовали, что параметр а
проходит нулевую отметку (доверительный интервал от -11433 до 12604), а
параметр b не проходит нулевую отметку (доверительный
интервал от 1,9 до 4,6).

Summary. The scientific article contains the methodology and results of the econometric study of the indicators of living standards of the population of the Russian Federation: the value of the subsistence minimum and the wages of the population of the Russian Federation. Regression model (pair regression) was built, regression analysis was carried out, good model matching to the initial data was revealed. A null hypothesis has been advanced, which during the study is refuted by parameter b and by the correlation coefficient. Confidence intervals are constructed, which indicate that parameter a passes the zero mark (confidence interval -11433 to 12604) and parameter b does not pass the zero mark (confidence interval 1.9 to 4.6).

Ключевые
слова: сельское хозяйство; прожиточный минимум; заработная плата;
регрессионный анализ; парная регрессия.

Keyword: agriculture; living wage; salary; regression analysis;
pair regression.

Введение

Показатели уровня жизни
населения Российской Федерации имеют важное значение для оценки социальных
процессов в экономике страны. Исследование зависимости одних показателей уровня
жизни от других представляет научный и практический интерес и показывает
резервы и рычаги воздействия на мотивационные процессы в обществе, а также
уровень бедности населения. Этим обусловлена актуальность темы исследования.

Отечественные и
зарубежные ученые также показывают научный интерес, проводя научные изыскания в
данной области знаний. Среди отечественный ученых следует назвать Котомину М.,
которая  исследовала качество жизни
сельского населения в регионах России и выявила его связь с уровнем развития
сельскохозяйственной кооперации [2]; Панарина В.И., вскрывшая социальные
факторы, являющиеся основой устойчивого развития сельских территорий [3]; Арсланов
Ш.Д., Гаджиева А.Г., представившие мотивацию труда как важный аспект развития
сельского хозяйства[1] .

Зарубежные ученые также
активно исследуют данную проблему: Sengupta P. вскрыл экономическое воздействие
национального закона о продовольственной безопасности Индии на благосостояние
населения страны [5]; Bassi
I.
представил план исследования влияния структурных и социальных факторов на
результаты деятельности аграрного производства в рамках развития системы
социального сельского хозяйства Италии [4]; Gaviglio A., Bertocchi M., Marescotti M.E. представили на обсуждение
социальный компонент устойчивого развития фермерских хозяйств Италии [6].

Таким образом, проблемы повышения
уровня жизни населения  являются
актуальными среди отечественных ученых-экономистов и на международном уровне.

Материалы и методы исследования

Информационной базой исследования уровня жизни населения Российской Федерации послужили данные сайта Росстата. Важными показателями уровня жизни населения Российской федерации являются величина прожиточного минимума и заработная плата (таблица 1).

Показатели уровня жизни
населения Российской Федерации взаимозависимы, но теснота связи между ними не
исследована. Поэтому следует провести эконометрическое исследование методом
парной регрессии. Для начала следует выявить результативный признак и фактор:

y
–
среднемесячная номинальная начисленная заработная плата
работников организаций, рублей (результативный признак);

х – величина прожиточного минимума (в среднем на душу населения), рублей в
месяц (фактор).

Составим уравнение регрессии: ŷ_х   = a + b · x

Для определения параметров регрессии (a иb) составим рабочую таблицу (таблица 2).

Параметр b определяется по формуле:

Параметр a определяется по формуле:

Определим регрессионное
значение результативного признака за каждый год наблюдения:

1)
ŷ_{х =} 585,7285
+3,2285 · 6693 = 22194,079

2)
ŷ_{х =} 585,7285
+3,2285 · 7199 = 23827,7

3) ŷ_{х =} 585,7285
+3,2285 · 8096 = 26723,7

4) ŷ_{х =} 585,7285
+3,2285 · 9510 = 31288,8

5) ŷ_{х =} 585,7285
+3,2285 · 9591 = 31550,3

6) ŷ_{х =} 585,7285
+3,2285 · 9978 = 32799,7

7) ŷ_{х =} 585,7285
+3,2285 · 10098 = 33187,1

Выдвигаем гипотезу H₀ о статистически незначимыхотличиях от нуля значений показателей:

a = b
= r_xy =
0.

t_табл =
2,57 для числа степеней свободы  df
= n
– 2 = 7 – 2 = 5

и α = 0,05.

Вначале определим случайную ошибку параметра a. Случайная ошибка параметра a определяется по формуле:

Для определения ошибки параметра a  составим рабочую таблицу (таблица 3).

В таблице 4 произведем расчет среднеквадратического отклонения фактора.

Тогда

Далее определим случайную ошибку параметра b.

В завершение определим случайную ошибку по коэффициенту корреляции.

Для определения числителя необходимо рассчитать коэффициент детерминации. Коэффициент детерминации равен квадрату коэффициента корреляции. Произведем расчет коэффициента корреляции:

Тогда коэффициент детерминации

Коэффициент детерминации оказывает вариацию результативного признака, объясняемую фактором.

Таким образом, рост среднемесячной номинальной начисленной заработной платы
работников организаций на 88,2% сопряжен с ростом величины прожиточного минимума, а на долю неучтенных в
модели факторов приходится (1 – 0,882) 11,8%.

Далее следует сделать вычисления значений t- критерия Стьюдента:

Табличное значение на
пяти процентном уровне значимости (α = 0,05) при числе степеней свободы равное 5
(n
– 2) t_табл = 2,57.

Фактические значенияt–статистики
превышают табличное значение по параметру b  и коэффициенту корреляции, а по параметру a
меньше табличного значения.

Результаты исследования

Для выявления качества подбора модели к исходным данным следует рассчитать ошибку аппроксимации. Составим рабочую таблицу по определению числителя и знаменателя в формуле расчета ошибки аппроксимации (таблица 5).

Ошибка аппроксимации определяется по формуле:

Определим предельную
ошибку для каждого параметра:

∆a = T табл * m_a =
2,57 * 4676,648 = 12018,985;

∆b
= T
табл * m_b = 2,57 * 0,529 =
1,36.

Доверительный интервал по
параметру а:

γ_a  = a ± ∆a = 585,7287 ±
12018,985;

γ_a
min  = 585,7287 –
12018,985 = -11433,2563;

γ_a
max  = 585,7287 +
12018,985 = 12604,7137.

Доверительный интервал по
параметру b:

γ_b 
= b
± ∆b = 3,2285 ± 1,36;

γ_{b min}  = 3,2285 – 1,36 = 1,8685;

γ_{b max}  = 3,2285 + 1,36 = 4,5885.

Выводы

Таким образом,  эконометрическое исследование показателей
уровня жизни населения Российской Федерации показало следующие результаты:

• нулевая гипотеза по параметру b  и коэффициенту корреляции отклоняется, а по параметру a подтверждается;
• значения параметра b  и коэффициента корреляции статистически значимы;
• анализ верхней и нижней границ (γ_{a max}  иγ_{a min} ; γ_{b max}  и γ_{b min}) доверительных интервалов свидетельствует о том, что с вероятностью 0,95 (p = 1 – α) только параметр  b, находясь в указанных границах, не принимают нулевых значений и существенно отличаются от нуля;
• в отношении параметра a такой вывод сделать нельзя, так как он в границах доверительного интервала принимает значение, равное 0;
• значение средней ошибки аппроксимации свидетельствует о хорошем подборе модели к исходным данным.

Литература

1. Арсланов Ш.Д.,
Гаджиева А.Г. Развитие сельского хозяйства: мотивация труда // Региональные
проблемы преобразования экономики. – 2016. – № 10. – С. 31 – 37.

2. Котомина М. Качество
жизни сельского населения в регионах России и его связь с уровнем развития
сельскохозяйственной кооперации // Международный сельскохозяйственный журнал. –
2017. – № 1. – С. 30 – 42.

3. Панарина В.И.  Социальные факторы как основа устойчивого
развития сельских территорий // Вестник сельскохозяйственного развития и
социальной политики. – 2017. – № 1. – С. 7 – 8.

4. Bassi I. Social farming: a proposal to explore the effects of
structural and relational variables on social farm results// Agricultural and
Food Economics. – 2016. – Vol.4,. – P.12 – 13.

5. Sengupta P. Mukhopadhyay K. Economic and Environmental Impact of
National Food Security Act of India // Agricultural and Food Economics. – 2016.
– Vol.4,. – P.22 – 23.

6. The social pillar of sustainability: a quantitative approach at the
farm level/ Gaviglio A., Bertocchi M., Marescotti M.E. // Agricultural and Food
Economics. – 2016. – Vol.4,. – P.17 – 19.

Reference

1. Arslanov Sh.D., Gajieva A.G. Agricultural development: motivation of
labor//Regional problems of economic transformation. – 2016. – № 10. – P 31 –
37.

2. Kotomina M. Quality of life of the rural population in the regions of
Russia and its connection with the level of development of agricultural
cooperation//International Agricultural Journal. – 2017. – № 1. – P 30 – 42.

3. Panarina V. I. Social Factors as the Basis of Sustainable Development
of Rural Areas//Journal of Agricultural Development and Social Policy. – 2017.
– № 1. – Р.
7 – 8.

4. Bassi I. Social farming: a proposal to explore the effects of
structural and relational variables on social farm results// Agricultural and
Food Economics. – 2016. – Vol.4,. – P.12 – 13.

5. Sengupta P. Mukhopadhyay K. Economic and Environmental Impact of
National Food Security Act of India // Agricultural and Food Economics. – 2016.
– Vol.4,. – P.22 – 23.

6. The social pillar
of sustainability: a quantitative approach at the farm level/ Gaviglio A.,
Bertocchi M., Marescotti M.E. // Agricultural and Food Economics. – 2016. – Vol.4,.
– P.17 – 19.

УДК 338.43

DOI 10.24411/2413-046Х-2020-10160

СОВРЕМЕННЫЕ
УГРОЗЫ ИННОВАЦИОННОМУ РАЗВИТИЮ АПК

OBSTACLES OF INNOVATIVE DEVELOPMENT OF AIC

Калашников Константин Александрович, аспирант кафедры маркетинга,экономики предприятий и организаций, Саратовский социально-экономический институт (филиал), РЭУ им. Г.В. Плеханова, rokville@yandex.ru

Жадан Михаил Владимирович, аспирант кафедры маркетинга, экономики предприятий и организаций, Саратовский социально-экономический институт (филиал), РЭУ им. Г.В. Плеханова, michael.zhadan@gmail.com

Kalashnikov Konstantin Aleksandrovich, postgraduate student of the department of marketing, economics of enterprises and organizations, Saratov socio-economic institute (branch), of Plekhanov Russian University of Economics, rokville@yandex.ru

Zhadan Michael Vladimirovich, postgraduate student of the department of marketing, economics of enterprises and organizations, Saratov socio-economic institute (branch), of Plekhanov Russian University of Economics, michael.zhadan@gmail.com

Аннотация.
Современный
этап развития агропромышленного комплекса Российской Федерации требует максимальной
концентрации трудовых, интеллектуальных и финансовых ресурсов для обеспечения
инновационной деятельности и внедрения новых технологий производства. Однако
цели и задачи инновационного развития предприятий АПК вступают в противоречие с
барьерами, трудностями и угрозами, приводящими к неутешительным результатам
инновационной активности. В статье рассмотрены основные проблемы АПК в сфере
инновационного развития, исследованы государственные программы, направленные на
стимулирование модернизации АПК. Предложены пути, механизмы и инструменты
совершенствования системы государственного стимулирования инновационного
развития АПК.

Summary. The current stage of development of the agricultural
sector of the Russian Federation (RF) requires the involvement of labor,
intellectual and financial resources to ensure innovation and the use of new
production technologies. However, the goals and objectives of the innovative
development of enterprises of the agro-industrial complex (AIC) are faced with
barriers, difficulties and obstacles, leading to disappointing results of
innovative activity. The article discusses the main problems of a different nature
that hinder the innovative development of agricultural producers. Key
government programs have been identified that address the main obstacles to the
innovative development of the agricultural sector in Russia. Ways, mechanisms
and tools with the help of which it is possible to improve the state system of
stimulating the innovative development of the agro-industrial complex of the
country are proposed.

Ключевые
слова: инновационное развитие, финансовые ресурсы, АПК, сельское
хозяйство, государственное регулирование.

Keywords: innovative development, financial resources,
financing, AIC, agro-industrial complex of Russia, agriculture, agricultural
products, innovative technologies.

Введение

Наиболее значимыми и острыми
проблемами развития агропромышленного комплекса Российской Федерации являются недостаточное
инновационное обеспечение производства и низкие темпы модернизации технологий. Успех
в решении данных проблем напрямую зависит от координации усилий и процессов на
микро- и макро-уровне, поскольку любая трансформация обуславливается
способностью экономических систем к генерации и внедрению инновационных технологий,
в которой должны быть задействованы все экономические субъекты хозяйствования [1].

Следует отметить, что
развитие инновационной деятельности российского АПК сегодня протекает под
влиянием следующих фундаментальных процессов [2]:

• необходимость импортозамещения на потребительском рынке, в том числе, на рынке продуктов питания;
• высокие показатели износа основных фондов российских сельскохозяйственных производителей и предприятий перерабатывающей промышленности;
• ужесточение рыночной конкуренции на глобальном рынке сельскохозяйственной и пищевой продукции;
• глобализация и интеграционные процессы мировой экономики, оказывающие влияние на сельскохозяйственный бизнес;
• научно-техническая революция (НТР) и становление «цифровой экономики».

Таким образом, научные
исследования на тему выявления и систематизации угроз инновационной
деятельности отечественного АПК (и, в том числе, сельского хозяйства) имеют
высокую актуальность. Целью статьи является комплексный анализ основных проблем
и трудностей, которые тормозят инновационное развитие агропромышленного
комплекса страны.

Исходя из цели научной
работы, авторами были поставлены следующие задачи:

• выявить основные проблемы, препятствующие инновационному развитию субъектов АПК в России;
• проанализировать ключевые государственные программы, направленные на регулирование инновационного развития АПК;
• предложить пути, механизмы и инструменты, при помощи которых возможно совершенствование государственной системы стимулирования инновационного развития АПК России.

Методология
проведения исследования

Методологические основы
настоящего исследования представляют собой совокупность методологических
подходов, общенаучных и специальных методов, использованных при подготовке
статьи.

Методологические подходы
включают системный подход, предполагающий изучение объекта исследования (АПК)
как экономической системы, и динамический подход, состоящий в исследовании
процессов инновационной деятельности предприятий АПК в их непрерывном движении
и развитии.

К частным
методологическим аспектам можно отнести следующие:

1. Исследование базируется на положении о
   том, что развитие инновационной системы агропромышленного комплекса РФ в
   настоящее время требует решения целого ряда проблем, среди которых одной из
   главных является проблема финансирования инновационной деятельности, в
   особенности сокращение инвестиций в инновации. Многие аграрии отдают
   предпочтение покупкам активов, поглощению наиболее слабых компаний, или же в
   качестве альтернативы решаются на слияние с более сильными компаниями, при этом
   распределяют доходы самых крупных предприятий агропромышленного комплекса среди
   узкого круга собственников.
2. Оценка перспектив инновационного развития
   АПК России осуществляется исходя из предположения о том, что стимулирование со
   стороны государства играет важную роль при формировании устойчивых конкурентных
   преимуществ предприятий АПК. С 2013 года в России действует «Государственная программа развития
   сельского хозяйства и регулирования рынков сельскохозяйственной продукции,
   сырья и продовольствия на 2013-2020 годы», направленная, в том числе, на
   технологическое развитие и модернизацию предприятий АПК.
3. При разработке направлений
   совершенствования инновационной деятельности предприятий АПК принят во внимание
   новаторский опыт зарубежных стран. Такие страны как США, Франция, Китай,
   Германия и Великобритания акцентируют законодательную деятельность в сфере
   высоких технологий на создание и внедрений инноваций во всех сферах
   производства. В качестве примера можно назвать налоговые льготы по инновационным
   разработкам, различного рода компенсации научно-исследовательских затрат на
   всех уровнях. Кроме этого в высокоразвитых странах большое внимание уделяется
   обучению рабочего персонала путём создания специализированных институтов и
   взаимовыгодных условий труда для перспективных специалистов.

При
подготовке статьи использованы сравнительный и расчетно-аналитический методы.
Источниками информации выступили результаты научных исследований отечественных
ученых, информация Росстата, открытые данные органов государственной власти и
предприятий АПК России.

Результаты исследования и
обсуждения

Результатом инновационной деятельности сельскохозяйственных
производителей в развитых странах является высокий уровень производительности
труда и выработки продукции на одного работника в сельском хозяйстве. Факторами
роста эффективности являются высокая техническая оснащенность предприятий, их
обеспеченность высококвалифицированными трудовыми ресурсами, а также
государственное регулирование развития АПК, направленное на ускоренное
технологическое развитие производителей продовольствия и облегчение их доступа
к финансовым ресурсам.

Анализ АПК России показал, что техническая оснащенность предприятий является недостаточной для интенсивной модернизации и роста производительности. С 1990 по 2018 годы парк основных видов техники в сельскохозяйственном производстве устойчиво снижается, независимо от вида техники и ее назначения (таблица 1).

Например, количество тракторов в анализируемый период снизилось с
1,365 до 0,211 млн единиц, культиваторов – с 602,7 до 84,8 тыс. единиц, сеялок
– с 673,9 до 79,0 тысяч единиц. Причинами такой динамики выступают изменение
объемов производства аграрной продукции, слабое развитие родственных и
поддерживающих отраслей (в первую очередь, сельскохозяйственного
машиностроения), экономические и социальные угрозы инновационному развитию агропромышленного
комплекса, недостаточно эффективное государственное регулирование АПК.

При рассмотрении данной проблемы обращают на себя внимание, в
первую очередь, медленное обновление основных производственных фондов, дефицит
инвестиций в основной капитал и недостаточная для устойчивого развития модернизация
сельскохозяйственного производства. Изношенная техника вырабатывает свой срок
эксплуатации, а приобретение новой во многих случаях не представляется
возможным. Полагаем, что высокая степень износа машин и оборудования
сельскохозяйственного назначения – это одна из главных причин отставания России
от развитых стран мира по уровню производительности труда в аграрном секторе экономики.

Кроме того, обновление парка сельскохозяйственной техники на
предприятиях АПК зачастую требует импорта машиностроительной продукции из стран-лидеров
по развитию техники и технологии. Соответственно, такие риски, как
дестабилизация валютного курса российского рубля и введение двухсторонних
экономических и политических санкций между Западом и Российской Федерации, негативно
влияют на инновационное развитие отечественных предприятий.

Для решения этой проблемы необходимо стимулирование развития
машиностроительного комплекса России с целью производства новой конкурентоспособной
сельскохозяйственной техники и оборудования, необходимых для инновационного
развития АПК. Кроме того, следует осуществлять не просто расширенное производство
основных видов техники, но и их инновационное обновление, модернизацию, внедрение
цифровых и компьютерных технологий, инструментов автоматизации процесса
производства до максимального уровня, вплоть до автопилотного движения техники
по разработанным маршрутам по сельскохозяйственным угодьям страны.

Правительство России, в
полной мере осознавая вышеописанную проблему, является инициатором и активным
участником процессов модернизации сельскохозяйственного машиностроения страны,
а именно [6]:

• финансирует инновационные проекты в рамках государственных контрактов;
• реализует федеральные проекты по развитию промышленности страны;
• создает инструментарий таможенной политики страны с целью установления экономически целесообразных таможенных тарифов в рамках внешнеэкономического  регулирования;
• совершенствует нормативно-правовую базу, цель которой состоит в обеспечении устойчивого и конкурентоспособного функционирования АПК.

Также следует отметить,
что комплексный подход по совершенствованию методов и инструментов инновационного
развития экономики страны, выступает и важнейшим элементом деятельности
государства по развитию машиностроения в АПК [6]. К нему относятся следующие
направления регулирования:

• модернизация системы образования по подготовке новых специалистов в области сельскохозяйственного производства;
• создание новых технологий и техники для сельского хозяйства;
• обеспечение информационной составляющей деятельности предприятий агропромышленного комплекса на международном и федеральном уровне;
• преобразования и инновационные улучшения отечественных предприятий путём внедрения инновационных технологий производства.

Тем не менее, считаем, что
в сложившихся условиях необходимо принятие усиленных мер государственной
поддержки бизнеса с целью стимулирования непрерывного развития машиностроения
сельскохозяйственного назначения, а также модернизации основных фондов и
программы импортазамещения, а именно:

• создание не только бизнес-акселераторов, но и бизнес-инкубаторов, что окажет финансовую поддержку стартапам в области машиностроения и технологий производства за счёт государственно-частного сотрудничества в сфере венчурного инвестирования;
• максимизация доли государственно-частных проектов для решения вопроса дефицита высококвалифицированных кадров машиностроительных предприятий;
• развитие экономически свободных зон хозяйствования, в которых предусмотрены дополнительные налоговые льготы не только для отечественных инвесторов, но и для иностранных, желающих внести вклад в инновационное развитие машиностроительного комплекса страны.

Помимо создания
благоприятной институционально-экономической среды инновационного развития АПК
предприятиям должны быть созданы и условия льготного финансирования. Сегодня отечественные
аграрии сталкиваются с целым комплексом проблем в сфере доступа к финансовым
ресурсам, ограничивающих финансирование инновационных проектов:

• недостаток собственных средств и нестабильность поступления доходов, что связано с высоким уровнем риска отрасли и значительной кредиторской задолженностью сельского хозяйства;
• недостаточно эффективная система регулирования цен на продовольствие;
• сложности получения финансирования по государственным программам;
• высокий уровень процентных ставок по кредитам коммерческих банков;
• высокие темпы роста цен на ресурсы.

Для решения
данных проблем считаем целесообразной реализацию мероприятий, направленных более
интенсивное стимулирование развития АПК со стороны государства:

• установить налоговые льготы для предприятий АПК, осуществляющих НИОКР и внедряющих их результаты в производство;
• увеличить поток государственных инвестиций в сельское хозяйство при помощи создания государственно-частных проектов, ориентирующихся на переосмысление инновационной деятельности агропромышленного комплекса;
• увеличить финансирование научных исследований в сфере АПК;
• увеличить бюджетное финансирование науки и образования России, в частности, высших учебных заведений, занимающихся подготовкой профессиональных кадров для сельскохозяйственных предприятий.

Участие государства в процессах инновационного
развития АПК осуществляется в соответствии с государственной программой
«Государственная программа развития сельского хозяйства и регулирования рынков
сельскохозяйственной продукции, сырья и продовольствия на 2013-2020 годы». Подпрограмма
«Развитие отраслей агропромышленного комплекса» включает ведомственные
проекты «Техническая модернизация агропромышленного комплекса» (срок реализации
– 2018-2025 гг.) и «Стимулирование инвестиционной деятельности в
агропромышленном комплексе» (срок реализации – 2018-2025 гг.), предусматривающие,
в том числе, меры по нейтрализации основных угроз и препятствий инновационного
развития агропромышленного комплекса России [4]:

• комплекс мероприятий, направленных на внедрение налоговых льгот при импорте иностранных инновационных технологий производства, способных модернизировать производство отечественной продукции;
• стимулирование крупных государственных агропромышленных корпораций к росту инновационной активности;
• модернизация программы поддержки экспорта сельскохозяйственной продукции отечественного производства;
• улучшение налогового стимулирования инновационной деятельности сельскохозяйственных производителей;
• поддержка инновационных программ коммерческих банков страны и других финансовых структур;

Заключение.
Авторами были выявлены две ключевые проблемы, препятствующие инновационному
развитию АПК РФ: дефицит финансовых ресурсов у предприятий и недостаточное для
ускоренной модернизации развитие отечественного сельскохозяйственного
машиностроения, приводящие к изношенности основных производственных фондов.

С целью обеспечения
инновационного развития АПК России и роста его эффективности в ближайшей и
среднесрочной перспективе, необходим комплексный подход, предполагающий
реализацию разноуровневых методов и инструментов стимулирования модернизации
предприятий. Важным условием инновационного развития является координация
действий и усилий всех заинтересованных экономических субъектов: предприятий
АПК, сельскохозяйственного машиностроения, банковского и финансового секторов, государства.
Лишь объединив усилия и ресурсы, можно нейтрализовать главные угрозы
инновационному развитию отечественных производителей сельскохозяйственной
продукции, повысить уровень производительности труда, нарастить объемы производства
продовольствия и снижение его себестоимости.

Литература

1. Козичева Е.В. Проблемы
   финансирования инновационной деятельности // Вопросы региональной экономики. –
   2018. – № 4. – С. 47-53.
2. Инновации в АПК России: поиск
   вариантов развития. URL: http://www.webeconomy.ru/index.php?page=cat&newsid=1052&type=news
   (дата обращения: 10.02.2020).
3. Национальный доклад «О ходе и
   результатах реализации государственной программы развития сельского хозяйства и
   регулирования рынков сельскохозяйственной продукции, сырья и продовольствия на
   2013–2020 годы». URL: http://www.mcx.ru (дата обращения: 10.02.2020).
4. Государственная
   программа развития сельского хозяйства и регулирования рынков
   сельскохозяйственной продукции, сырья и продовольствия на 2013-2020 годы (с изм.
   и доп. от 18.12.2019г.) [электронный документ] Режим доступа: http://gov.garant.ru/SESSION/PILOT/main.htm
   (дата обращения:
   10.02.2020).
5. Сельское хозяйство // Росстат. URL: http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/enterprise/economy/#
   (дата обращения: 12.02.2020).
6. Самигуллин И.Ф. Совершенствование
   государственного регулирования машиностроительного комплекса // Актуальные проблемы
   экономики и права. – 2018. – №1 (29).

УДК 528.7+004.94

DOI 10.24411/2413-046Х-2020-10158

ПРЕДПОСЫЛКИ СОЗДАНИЯ ТЕХНОЛОГИИ ИНТЕЛЛЕКТУАЛЬНОЙ ТРЕХМЕРНОЙ ИНФОРМАЦИОННОЙ ПЛАТФОРМЫ ГОРОДСКОЙ
ТЕРРИТОРИИ (ИТИПГТ)

PREREQUISITES FOR CREATING A TECHNOLOGY FOR AN INTELLIGENT
THREE-DIMENSIONAL INFORMATION PLATFORM FOR AN URBAN AREA

Щукина Вера Николаевна, кандидат технических наук, доцент, доцент кафедры геодезии и кадастровой деятельности, ФГБОУ ВО «Тюменский индустриальный университет» (625000 Россия, г. Тюмень, ул. Володарского, д.38), ORCID: http://orcid.org/ 0000-0002-4706-0671, schukinavn@tyuiu.ru

Антипова Алена Николаевна, кандидат геолого-минералогических наук, доцент кафедры Автомобильного транспорта строительных и дорожных машин, ФГБОУ ВО «Тюменский индустриальный университет» (625000 Россия, г. Тюмень, ул. Володарского, д.38), ORCID: http://orcid.org/ 0000-0001-5934-3364, antipovaan@tyuiu.ru

Голякова Юлия Евгеньевна, ассистенткафедры геодезии и кадастровой деятельности, ФГБОУ ВО «Тюменский индустриальный университет» (625000 Россия, г. Тюмень, ул. Володарского, д.38), ORCID: http://orcid.org/ 0000-0001-8600-8529 , goljakovaje@tyuiu.ru

Vera N. Shchukina, candidate of technical Sciences, associate Professor, associate Professor of the Department of  Geodesy and cadastral activity, Industrial University of Tyumen, Ph.D., (2 Lunacharsky st., Tyumen, 625000 Russia), ORCID: http://orcid.org/ 0000-0002-4706-0671, schukinavn@tyuiu.ru

Alena N. Antipova, candidate of geological and mineralogical Sciences, associate Professor of the Department of Motor transport of construction and road vehicles, Tyumen industrial University (2 Lunacharsky st., Tyumen, 625000 Russia), ORCID: http://orcid.org/ 0000-0001-5934-3364, antipovaan@tyuiu.ru

Yuliya E. Golyakova, assistant of the Department of  Geodesy and cadastral activity, Industrial University of Tyumen, (2 Lunacharsky st., Tyumen, 625000 Russia), ORCID: http://orcid.org/ 0000-0001-8600-8529 , goljakovaje@tyuiu.ru

Аннотация. В статье рассматривается необходимость внедрения
цифровых интеллектуальных технологий в области управления и развития городскими территориями посредством создания  интеллектуальной
трехмерной информационной платформы на примере г. Тюмень. Приведено описание
отечественного и зарубежного опыта по теме статьи, а также представлена предлагаемая
технологическая схема реализации интеллектуальной платформы и ее основные
характеристики. Внедрение цифровых интеллектуальных технологий в управление и развитие городских
территорий обусловлено ускорением темпов строительства,
возрастающей сложностью технологий застройки, подземной и надземной
инфраструктур, увеличением числа операций с недвижимостью. Значительно расширяет возможности трехмерное
отображение местности и расположенных на ней объектов. В качестве исходных данных для точного трехмерного моделирования городской
территории предлагается использовать материалы аэрофотосъемки, полученные при
помощи беспилотного воздушного судна. Информационное наполнение зависит от
направления использования платформы. Для хранения геоданных, фотоснимков местности,
необходимой документации предлагается использование облачных хранилищ, которые
являются наиболее защищенными и позволяют обеспечивать высокую скорость доступа
к информации по многокритериальному запросу. Предлагаемая технология
формирования комплексной единой интеллектуальной информационной платформы
хранения и обработки трехмерных моделей, позволит: хранить все геоданные и
документацию о модели в едином хранилище данных, обладающем высокой
производительностью доступа к данным; осуществлять многомерность запроса данных
модели и построения модели по большому количеству критериев; формировать личный
кабинет пользователя с учетом индивидуальных прав доступа к материалам и
документам; оперативно обновлять информацию об изменениях параметров местности;
осуществлять статистическую и аналитическую обработку данных с учетом всех
изменений на территории. Разработка технологии ведется с использованием
исходных материалов и данных применительно к г. Тюмень, но в тоже время
является универсальной и может быть внедрена для иных населенных пунктов.

Summary.
The article
considers the need to introduce digital intelligent technologies in the field
of management and development of urban areas by creating an intelligent
three-dimensional information platform on the example of Tyumen. A description
of domestic and foreign experience on the topic of the article is given, as
well as the proposed technological scheme for implementing the intelligent
platform and its main characteristics. The introduction of digital intelligent
technologies in the management and development of urban areas is due to the
accelerated pace of construction, the increasing complexity of building
technologies, underground and above-ground infrastructures, and an increase in
the number of real estate operations. Significantly expands the possibilities
of a three-dimensional display of the terrain and the objects located on it. It
is proposed to use aerial photographs obtained using an unmanned aerial vehicle
as initial data for accurate three-dimensional modeling of an urban area. The
content depends on the direction of use of the platform. For storing geodata,
photographs of the area, the necessary documentation, the use of cloud storage
is proposed, which are the most protected and can provide high speed access to
information on a multi-criteria request. The proposed technology for the
formation of a comprehensive unified intellectual information platform for
storing and processing three-dimensional models will allow: to store all
geodata and model documentation in a single data warehouse with high data
access performance; implement multidimensionality of requesting model data and
building a model according to a large number of criteria; to form a personal
account of the user taking into account individual access rights to materials
and documents; promptly update information on changes in terrain parameters;
carry out statistical and analytical data processing taking into account all
changes in the territory. The development of the technology is carried out
using source materials and data in relation to the city of Tyumen, but at the
same time it is universal and can be implemented for other settlements.

Ключевые
слова: трехмерная
модель (3D модель), беспилотное
воздушное
судно (БВС), технологии «Умный город»,
виртуальная и дополненная реальность, большие данные.

Keywords: three-dimensional model (3d-model), unmanned
aircraft, Smart City technologies, virtual and augmented reality, Big Data.

Введение

Одним из
направлений Стратегии научно-технологического развития Российской Федерации
является необходимость перехода к передовым цифровым, интеллектуальным
производственным технологиям, роботизированным системам, новым материалам и
способам конструирования, создание систем обработки больших объемов данных,
машинного обучения и искусственного интеллекта [1].

Актуальность
внедрения цифровых интеллектуальных технологий в области управления и развития
территориями обусловлена ускорением темпов строительства,
возрастающей сложностью технологий застройки, подземной и надземной
инфраструктуры, увеличением числа операций с недвижимостью, возникновением
потребностей в интеллектуальных трехмерных цифровых моделях территорий и
рельефа.

Цифровые модели
территорий, рельефа используются в решении различных прикладных задач, таких
как: определение геометрических параметров рельефа; мониторинг динамики рельефа
при проведении проектно-изыскательских работ; вычисление геометрических
характеристик зданий и сооружений (площади, протяженности, периметра) для нужд
архитектуры и городского планирования; мониторинг и прогнозирование
геологических и гидрологических процессов; расчет освещенности и ветрового
режима для архитектуры и городского планирования, инженерных изысканий,
экологического мониторинга; построение зон видимости для телекоммуникационных и
сотовых компаний, определение зон водоотведения и водоснабжения; формирования
туристических маршрутов с применением дополненной реальности.

Трехмерное
отображение местности и расположенных на ней объектов значительно расширит
возможности проектно-изыскательских и других видов работ за счет точности
измерений и постоянного мониторинга изменений параметров, а так же обеспечит
устойчивость и экологическую защищенность инфраструктуры городской территории.

В настоящее время
осуществляется переход на принципиально
новый технологический уровень в части информационно-аналитической поддержки
функционирования социально-экономического комплекса территориального
образования РФ — геопространственное моделирование. Исследования в
данной области ведутся рядом российских ученых, к которым относятся А.П. Карпик,
Д.В. Лисицкий, А.Г. Осипов, В.Н. Савиных, и др. [2,3].

Основная цель
геоинформационного моделирования пространства – увеличение круга
исследовательских задач в сфере рационального использования территории и оценки
негативного воздействия человеческой деятельности на объекты окружающей среды,
поиск более эффективных экономических решений, и, как результат,  внедрение технологий «умного города» и развитие цифровой реальности.

Отечественный
и зарубежный опыт

Зарубежные
исследователи Дикин и Аль-Уэар предлагают следующие
характеристики технологии «умный город» [4]:

• применение большого набора электронных и цифровых технологий;
• использование информационных и коммуникационных технологий (ИКТ) для трансформации жизни и рабочей среды в пределах региона и внедрение их в государственные системы;
• объединение возможностей ИКТ в соответствии с потребностями общества.

Существует
ряд городов, активно использующих стратегии «умного города»: Амстердам,
Барселона, Киев, Манчестер, Милтон-Кинс, Москва, Сочи и др. [5-9]. Стратегии развития «умного города»
включают умное развитие всех социально-экономических сфер города: транспорт,
ЖКХ, туризм, образование, здравоохранение, экологию и т.д. При этом развитие
одной сферы влечет за собой
развитие всех других направлений
жизнедеятельности. Как
следствие, для обоснованного принятия решения в
каждой сфере необходимо оперировать большим объемом информации, выполнять ее
всесторонний многомерный и интеллектуальный
анализ.

На смену
привычному представлению объектов местности в виде топографических карт и
планов, ГИС приходят трехмерные геометрически точные модели местности, рельефа
и отдельных зданий и сооружений.

На сегодняшний
день вопросам создания и дальнейшего применения 3D – моделей городов
уделяется много внимания со стороны отечественных и зарубежных ученых и
производственников [10-19]. Ее
применение рассматривается в следующих направлениях:

• точная и оперативная реализация проектно-изыскательских работ инженерно-геологических изысканий;
• создание площадки электронного взаимодействия застройщиков, банков и органов власти в рамках реализации строительного проекта;
• создание комплексной информационной системы экологического мониторинга;
• формирование оптимальных туристических маршрутов с применением виртуальной и дополненной реальности;
• оптимизации транспортных потоков больших городов;
• применение голографических проекций при презентации архитектурных проектов;
• реализация проектов в рамках “Умный город”.

В России
успешным примером реализации 3D моделирования городской территории является
работа ГК «Геоскан» для территории города Томска [20].

За рубежом
первую трехмерную карту создали в 1980-х в столице Финляндии – Хельсинки. Также
наиболее ярким является опыт Сингапура при составлении трехмерной карты страны.

Методология проведения
исследования

Существующие методы и подходы для
создания трёхмерных моделей объектов и местности по результатам аэрофотосъемки
с беспилотных летательных аппаратов позволяют получать актуальную информацию о
местности и строить геометрически точные трехмерные модели с привязкой к
геодезической сети.

Анализ 
имеющихся технологий создания цифровой модели городской среды показал
наличие ряда недостатков:

• типизация строений приводит к упрощению создаваемой модели городов;
• недостаточная фотореалистичность конечной модели;
• отсутствие актуального обновления информации при изменении рельефа или объекта местности;
• недостаточная производительность используемых устройств хранения и обработки данных.

Однако построение только трехмерной
модели местности недостаточно для комплексного выполнения работ различных
направлений, связанных с обработкой 3D модели.

Предлагаемая технология формирования
комплексной единой интеллектуальной информационной платформы хранения и
обработки трехмерных моделей, позволит:

• хранить все геоданные и документацию о модели в едином хранилище данных, обладающем высокой производительностью доступа к данным;
• осуществлять многомерность запроса данных модели и построения модели по большому количеству критериев;
• формировать личный кабинет пользователя с учетом индивидуальных прав доступа к материалам и документам;
• оперативно обновлять информацию об изменениях параметров местности;
• осуществлять статистическую и аналитическую обработку данных с учетом всех изменений на территории.

Технологическая схема реализации
интеллектуальной платформы представлена на Рисунке 1.

Разработка интеллектуальной
информационной платформы в зависимости от уровня доступа предлагается по трем
направлениям:

• разработка веб-интерфейса;
• локальное приложение;
• мобильное приложение для работы с планшетом. Хранение трехмерной модели местности на основе аэрокосмических снимков требует большого объема хранилища данных. Для высокопроизводительного доступа к данным и их оперативной обработки предусматривается использование мощных технических средств. Для хранения геоданных, фотоснимков местности, необходимой документации предлагается использование облачных данных, которые являются наиболее защищенными и позволяют обеспечивать высокую скорость доступа к информации по многокритериальному запросу.

Для создания 3D модели г. Тюмени по
результатам аэрофотосъемки применяется программное обеспечение (ПО)  для создания
ортофотопланов и 3D-моделей  Agisoft Metashape
Professional. Данное ПО достаточно полно раскрывает возможности фотограмметрии,
а также включает в себя технологии машинного обучения для анализа и
пост-обработки, что позволяет получать максимально точные результаты.

Структуру интеллектуальной платформы и
ее компоненты предполагается хранить в облачной БД Firebase, которая в
дальнейшем послужит платформой для создания мобильного приложения и технологий
виртуальной и дополненной реальности.

Осуществление взаимодействия
пользователя с параметрами и компонентами модели будет осуществляться через WEB
ресурс, позволяющий обеспечивать индивидуальный доступ для определенных
категорий пользователей.

Формирование личного кабинета
пользователя предусматривает доступ с учетом индивидуальных прав к геоданным,
трехмерным моделям и документации отдельным категориям пользователей:

• гостевой доступ – в ознакомительных целях для просмотра справочной информации о местности;
• доступ для органов власти – с целью отслеживания, ведения статистики и аналитики по выполняемым строительным, геодезическим и проектным работам;
• доступ для специалистов и организаций, осуществляющих администрирование и выполнение работ, связанных с соответствующим видом деятельности.

Многокритериальный запрос
предусматривает выборку данных по различным параметрам, необходимым для
получения достоверной и достаточной информации в зависимости от направления
деятельности.

Например, для благоустройства и нового
строительства: рельеф местности; площадь застройки; степень заселенности
района; расположение коммуникаций (водоотведение, теплоотведение, газоотведение
и т.д.); план района и др.

В дальнейшем планируется расширение
категорий данных в таких направлениях деятельности как оптимизация транспортных
потоков; осуществление земельного контроля; прогнозирование чрезвычайных
ситуаций и оценка ущерба, мониторинговые обследования и т. д.

Статистическая и аналитическая
обработка данных подразумевает вывод статистических обработанных геоданных в зависимости
от вида запроса. Например, это может быть журнал изменений объектов на
соответствующей территории. Применение метода экспликации (метод развёртывания
(раскрытия) сущности того или иного предмета (явления) через некоторое
многообразие иных предметов и явлений) позволит предоставить статистическую
информацию об объектах выделяемой области.

Результаты и обсуждение

Ожидаемые результаты теоретических и
экспериментальных наработок разрабатываемой технологии:

1. Материалы, полученные после
обработки полевых работ: цифровая модель рельефа (ЦМР), ортофотопланы, 3D –
модель тестового участка;

2. Интеллектуальная трехмерная
информационная платформа городской территории на тестовый участок;

3. Техническая и пользовательская
документация по работе с платформой;

4. Структура данных, информационное
наполнение 3D -модели, подтвержденные свидетельствами о государственной регистрации
программ для ЭВМ и БД;

5. Экспериментальная апробация.

Реализация данного проекта обеспечит:

• электронное взаимодействие органов власти, жителей города, строительных предприятий, организаций, занимающихся благоустройством территории и др.;
• планирование туристических маршрутов с применением виртуальной и дополненной реальности;
• оптимизацию транспортных потоков;
• выполнение земельного контроля;
• прогнозирование чрезвычайных ситуаций, оценку ущерба и др.

Предлагаемая интеллектуальная платформа
представляет собой систему, позволяющую решать комплекс задач, обеспечивающих
реализацию всего жизненного цикла градостроительных работ (начиная с этапа
изысканий и до вывода из эксплуатации с сопровождением всей технической и
аналитической документации) с применением таких технологий как облачное
хранение данных, виртуальная и дополненная реальность, Big Data, дистанционное зондирование территории и т.д.

Литература

1. Указ Президента РФ от 01.12.2016 № 642 «О Стратегии
научно-технологического развития Российской Федерации» [Электронный ресурс]. –
Режим доступа: http://www.consultant.ru.

2. Карпик, А.П. Геопространственный дискурс
опережающего и прорывного мышления [Текст] / А.П. Карпик, Д.В. Лисицкий, К.С.
Байков, А.Г. Осипов, В.Н. Савиных // Вестник СГУГиТ. – 2017. – №4. – С.53-67.

3. Карпик А.П. Управление территорией в
геоинформационном дискурсе / А.П. Карпик, А.Г. Осипов, П.П. Мурзинцев. –
Новосибирск.: СГГА, 2010. – 280 с.

4. Deakin M. From Intelligent
to Smart Cities / М. Deakin,
H. Аl Waer // Intelligent
Buildings International. – 2011. – vol. 3. – Issue 3. – pp. 140-152.

5. Администрация города Сочи – Документы [Электронный
ресурс]. – URL: http:// www.sochi.ru. – (Дата обращения: 03.09.2019).

6. В Сочи приступили к разработке системы «Умный
город» [Электронный ресурс]. – URL: http:// www.sochi.ru. – (Дата обращения:
03.09.2019).

7. «Умные города» могут появиться в Коммунарке и
Троицке [Электронный ресурс]. – URL: http:// moscowbig.ru. – (Дата обращения:
03.09.2019).

8. Smart Cities [Electronic
resource]. – URL: https://www.futurelearn.com/courses/smart-cities. – (accessed
03 September 2019).

9. The MK: Smart Project
[Electronic resource]. – URL: http://www.mksmart.org. – (accessed 03 September
2019).

10. Харченко В.И. Требования к геоинформационному
моделированию трехмерных объектов /В.И. Харченко // Конструкторское бюро. –
Москва: Издательский дом «Панорама». – 2018. – №4. – С.29-36.

11. Буй Тхе Чуен Разработка методов и технологии
обработки трехмерных изображений с применением шейдерной графики / Буй Тхе Чуен
// автореферат дисс. канд. техн. наук 05.13.01 – Системный анализ, управление и
обработка информации (по отраслям). – Москва: Вычислительный центр Российской
академии наук. – 2008. – 19 С.

12. Осоргин Ю.В. Применение 3D моделей в программе
MAPINFO PROFESSIONAL 11.5 для землеустройства / Ю.В. Осоргин // сборник трудов
конференции «Инновационное развитие землеустройства». – Кинель: Самарская
государственная сельскохозяйственная академия. – 2017. – С. 152-154.

13. Борисов Д.С. Создание 3D-карты при помощи
современных ГИС-технологий / Д.С. Борисов, Ю.В. Осоргин // сборник трудов
конференции «Современные проблемы агропромышленного комплекса». – Кинель:
Самарская ГСХА. – 2016. – С. 212-215.

14. Раклов В.П. К вопросу повышения эффективности
использования 3D-моделей при решении задач информационного обеспечения
городского территориального планирования и кадастра недвижимости / В.П. Раклов,
Л.Г. Евстратова // Землеустройство, кадастр и мониторинг земель. – Москва:
Издательский дом «Панорама». – 2019. – №6. – С.21-29.

15. Еремин И.Е. Реалистичная электронная карта
муниципального образования с элементами городской инфраструктуры / И.Е. Еремин,
К.Г. Мишаченко, А.О. Мищенко, П.И. Пузанов // Ученые заметки ТОГУ. – Хабаровск:
Тихоокеанский государственный университет. – 2016. – №3-1. – С. 117-122.

16. Гречищев А.В. О современных технологиях
многомерного моделирования объектов и местности по данным дистанционного
зондирования: аэро- и космическим. Часть 1 / А.В. Гречищев, В.Ю. Савинский,
Е.В. Стоволосов // сборник статей «Экология. Экономика. Информатика». –
Ростов-на-Дону: Южный научный центр РАН. – 2016. – С. 222-234

17. Герасимова С.Г., Ибрагимов М.Б., Петров М.В. Перспективы
создания 3D кадастра в России [Текст] / С.Г.Герасимова, М.Б.Ибрагимов,
М.В.Петров // Геопрофи. – 2013. – Т.2500,N 3.-С. 5-8.

18. Дышленко, С.Г. Трехмерное моделирование в ГИС
[Текст] / С.Г. Дышленко // Перспективы науки и образования. — 2014. — N8. — С.
28-33.

19. Архипова О.Е., Магаева А.А. Разработка
веб-приложения для мониторинга несанкционированных свалок на территории
Ростовской области / Экология. Экономика. Информатика. Сборник статей: в 2-х
т. Т. 2: Геоинформационные технологии и космический мониторинг Выпуск 1. –
Ростов н/Д: Изд-во ЮНЦ РАН, 2016. – С. 204-215.

20. Инновационный проект трехмерной карты Томска для
профессионалов и жителей города [Электронный ресурс]. – Режим доступа: https://tomsk3da.admtomsk.ru/

References

1. Ukaz Prezidenta RF ot
01.12.2016 № 642 «O Strategii nauchno-tekhnologicheskogo razvitiya Rossiiskoi
FederatsiI» [Decree of the President of the Russian Federation dated 01.12.2016
No. 642 «On the Strategy for the Scientific and Technological Development of
the Russian Federation»] [Electronic resource]. – Available at:
http://www.consultant.ru.

2. Karpik, A., Lisitskii, D.,
Baikov, K., Osipov, A. & Savinykh V. Geoprostranstvennyi diskurs operezhayushchego i proryvnogo
myshleniya [Geospatial Discourse of Advanced and Breakthrough Thinking]. Vestnik SSUGT, vol. 22, no 4, pp. 53-67.

3. Karpik, A., Osipov, A. & Murzintsev, P. (2010) Upravlenie territoriei v geoinformatsionnom diskurse [Territory
management in geoinformation discourse]. Novosibirsk: SGGA.

4. Deakin, M.  & Аl Waer, H.
(2011). From Intelligent to Smart Cities 
Intelligent Buildings
International,  vol. 3, no 3, pp.
140-152.

5. Administratsiya goroda Sochi – Dokumenty [Administration of Sochi – Documents] [Electronic resource]. Available at: http:// www.sochi.ru. (accessed 03 September 2019).

6. V Sochi pristupili k razrabotke sistemy «Umnyi
gorod» [In Sochi,
began to develop a system of “Smart City”] [Electronic resource].  Available
at: http:// www.sochi.ru. (accessed
03 September 2019).

7. «Umnye goroda» mogut poyavit’sya v Kommunarke
i Troitske [Smart cities
may appear in Kommunark and Troitsk] [Electronic resource].  Available at: http:// moscowbig.ru. – (Data obrashcheniya:
03.09.2019).

8. Smart Cities [Electronic resource]. – Available at:
https://www.futurelearn.com/courses/smart-cities. (accessed 03 September 2019).

9. The MK: Smart Project [Electronic resource]. –
Available at:  http://www.mksmart.org. – (accessed 03 September 2019).

10. Kharchenko, V. (2018). Trebovaniya k
geoinformatsionnomu modelirovaniyu trekhmernykh ob”ektov [Requirements for geoinformation modeling of
three-dimensional objects]. Konstruktorskoe
byuro. no 4. pp 29-36.

11. Bui Tkhe Chuen (2008). Development of methods and technologies for processing
three-dimensional images using shader graphics (PhD Thesis). Moscow:
Computing Center of the Russian Academy of Sciences.

12. Osorgin, Yu. (2017). Application of 3D models in the MAPINFO PROFESSIONAL 11.5 program for
land management. Paper presented at   Conference «Innovative development of land
management», Kinel, 2017.

13. Borisov, D. (2016) Creating a 3D map using
modern GIS technologies. Paper presented at  
Conference « Modern
problems of agriculture». – Kinel’, 2016.

14. Raklov, V.P. & Evstratova
L.G. (2019). K voprosu povysheniya ehffektivnosti ispol’zovaniya 3D-modelei pri
reshenii zadach informatsionnogo obespecheniya gorodskogo territorial’nogo
planirovaniya i kadastra nedvizhimosti  [On the issue of improving the efficiency of using 3D
models in solving the problems of information support of urban spatial planning
and real estate cadastre]. Land
management, cadastre and land monitoring, no 6, pp. 21-29.

15. Eremin,  I.E., Mishachenko, K.G., Mishchenko, A.O. & Puzanov,  P.I. (2016). Realistichnaya ehlektronnaya
karta munitsipal’nogo obrazovaniya s ehlementami gorodskoi infrastruktury [Realistic electronic map of the municipality with
elements of urban infrastructure]. Scientific
notes Pacific State University, no 3-1, pp.
117-122.

16. Grechishchev, A.V., Savinskii, V. Yu. & Stovolosov E.V.
(2016). O sovremennykh tekhnologiyakh mnogomernogo modelirovaniya ob”ektov
i mestnosti po dannym distantsionnogo zondirovaniya: aehro- i kosmicheskim.
Chast’ 1 [About modern
technologies for multidimensional modeling of objects and terrain based on
remote sensing data: aerospace and space. Part 1].  Ecology.
Economy. Computer science, pp. 222-234.

17. Gerasimova, S.G., Ibragimov, M.B. & Petrov M.V.
(2013). Perspektivy sozdaniya 3D kadastra v Rossii [Prospects for creating a 3D
cadastre in Russia. Geoprofi, no 3,
pp. 5-8.

18. Dyshlenko, S.G. (2014). Trekhmernoe
modelirovanie v GIS [3D modeling in GIS]. Prospects
for Science and Education, no 8, pp. 28-33.

19. Arkhipova, O.E. & Magaeva,
A.A. (2016). Razrabotka veb-prilozheniya dlya monitoringa nesanktsionirovannykh
svalok na territorii Rostovskoi oblasti [Development of a web application for monitoring
unauthorized landfills in the Rostov region]. Ecology. Economy. Computer science, pp. 204-215.

20. Innovatsionnyi proekt trekhmernoi karty
Tomska dlya professionalov i zhitelei goroda [An innovative project of a three-dimensional map of
Tomsk for professionals and residents] [Electronic resource]. – Available at:  https://tomsk3da.admtomsk.ru/. (accessed 03 September 2019).