Agricultural Informatics 2012 Conference Agrárinformatika 2012 Konferencia

Agricultural Informatics 2012 Conference Agrárinformatika 2012 Konferencia Innovative Information Technologies in Agriculture Innovatív információtechnológiák az agrárgazdaságban 21 - 22. September, 2012, Debrecen, Hungary

Edited by Miklós HERDON, Róbert SZILÁGYI

HAAI

“Dissemination of research result on innovative information technologies in agriculture” The project is financed by the European Union, with the co-financing of the European Social Fund.

Agricultural Informatics 2012 Conference Agrárinformatika 2012 Konferencia Innovative Information Technologies in Agriculture Innovatív információtechnológiák az agrárgazdaságban 21 - 22. September, 2012, Debrecen, Hungary

PROCEEDINGS KONFERENCIA KIADVÁNY

Edited by Miklós HERDON Róbert SZILÁGYI

I

E-version (WWW) ISBN 978-615-5094-08-8 CD-ROM version ISBN 978-615-5094-07-1 Date of publishing: November 2012 Publisher: Hungarian Association of Agricultural Informatics  Hungarian Association of Agricultural Informatics, H-4032 Debrecen, Böszörményi str. 138. All rights reserved. No part of this publication may be reproduced, stored in a retrieval system or transmitted in any form or by any means, digital recording or otherwise, without permission in writing from the copyright holders. These proceedings were reproduced using the manuscripts supplied by the authors of the different papers. The manuscripts have been typed according to the Editorial Instructions for Papers to be presented at the Agricultural Informatics 2012Conference. The editors.

II

Preface This “Agricultural Informatics 2012 International Conference” provides a forum for agriculture related professionals, professors, lecturers and PhD students to exchange information on education, research, applications and developments of Information Technologies in Agriculture and Rural Development and publish the most recent results. It covers a wide spectrum of topics. These include new applications of well established and understood technologies to innovative and entrepreneurial applications of emerging technologies, in addition to issues related to policy and knowledge dissemination. We hope that this proceedings will contribute to both the exchange of knowledge and to increase the quality of research and applications in the field of Innovative Information Technology in Agriculture.

Dr. Miklós Herdon President of HAAI Dr. Róbert Szilágyi Faculty of Applied Economics and Rural Development University of Debrecen

III

A konferencia / The conference Elnöke / Chair: Prof. Dr. András Nábrádi, dean of Faculty of Applied Economics and Rural Development, University of Debrecen

Szervezők / Organisers HAAI UD HAS EFITA

Hungarian Association of Agricultural Informatics University of Debrecen, Faculty of Applied Economics and Rural Development Hungarian Academy of Sciences European Federation for Information Technology in Agriculture, Food and the Environment

Program Bizottság / Program Committee Elnök / Chair: Herdon, Miklós (HAAI, University of Debrecen) Tagok / Members: Andreopoulou, Zacharoula (Aristotle Univeristy of Thessaloniki) Batzios, Christos (Aristotle University of Thessaloniki) Cebeci, Zeynel (Cukurova University, Adana) Csák, Máté (Pannon University) Hansen, Nicolai Fog (EFITA) Gaceu, Liviu (University of Transilvania, Brasov) Havlicek, Zdenek (Czech University of Life Sciences, Prague) Huzsvai, László (University of Debrecen) Kapronczai, István (HAAI) Kovács, Árpád Endre (Szent István University) Laczka, Éva (HAAI) Merunka, Vojtěch (Czech University of Life Sciences, Prague) Nagyné Polyák, Ilona (University of Debrecen) Rajkai, Kálmán (HAAI) Rózsa, Tünde (HAAI) Salampasis, Michail (Aristotle Univeristy of Thessaloniki, Thessaloniki) Szenteleki, Károly (HAAI) Szilágyi, Róbert (HAAI, University of Debrecen) Várallyai, László (University of Debrecen) Varga, Mónika (University of Kaposvár)

Szervezőbizottság / Organising Committee Elnök / Chair: Szilágyi, Róbert (HAAI, University of Debrecen) Tagok / Members: Botos, Szilvia (University of Debrecen) Cseh, András (MAGISZ) Füzesi, István (University of Debrecen) Lengyel, Péter (MAGISZ) Pancsira, János (University of Debrecen) Péntek, Ádám (University of Debrecen) Ráthonyi, Gergely Gábor (University of Debrecen) Sóvágó, Csilla (University of Debrecen)

IV

Tartalomjegyzék / Table of contents Plenáris előadás / Plenary paper Zacharoula S. Andreopoulou Green Informatics: ICT for Green and Sustainability

1

Angol nyelvű cikkek / English papers László Bekő, Alida Kiss, Péter Burai Evaluation of invasive species based on hyperspectral imagery

7

Zoltán Hagymássy Analysis of operating photovoltaic power panels

15

Róbert Szilágyi New trends of mobile Internet in agriculture

21

Tünde Csapóné Riskó Labelling and safety of foodstuff, local products, governmental measures, conscious consumerism – what next? 26 Silvia Vanino, Giuseppe Pulighe, Luca Ruscio, Iraj Namdarian Immigrants and agriculture: application of Data Warehouse and Web-GIS

38

Magyar nyelvű cikkek / Hungarian papers Sisák István, Benő András Az AGROTOPO talaj-adatbázis problémái és egy részletesebb talajtérkép előállításának célja, lehetőségei és lépései 44 Kovács Sándor, Balogh Péter Hierarchikus markov folyamatok alkalmazása a sertéstartás döntési folyamataiban

52

Szabó József, Szabóné Kele Gabriella, Havas Ádám , Podmaniczky László , Pirkó Béla , Pásztor László, Dombos Miklós, László Péter, Koós Sándor, Bakacsi Zsófia, Laborczi Annamária, Vass-Meyndt Szilvia Az Országos Környezeti Információs Rendszer Talajdegradációs Alrendszerének kialakítása (OKIR-TDR) 64 Reiczigel Zsófia, Bodor Péter, Bisztray György, Ladányi Márta Osztályozási módszerek szőlőrendszertani alkalmazása

70

Csák Máté Relációs adatbázis fejlesztése a burgonyanemesítésben

76

Fodor Nándor 4Mx légkör-talaj-növény modell: alkalmazások, lehetőségek és kihívások

88

Huzsvai László, Sulyok Dénes, Ferencsik Sándor Optimális erőgép és munkagép-szükséglet meghatározása a növénytermesztésben (Visual Basic és R alkalmazások)

99

Csipkés Margit, Nagy Lajos A biomasszából nyerhető energia piaci- és termelési kockázatának figyelembevétele a földhasználat tervezése során

106

Nagy Lajos Kockázatértékelés a növénytermesztésben kvadratikus programozási modell segítségével

113

Szűcs Antónia, Dövényi-Nagy Tamás, Tomor Tamás Szaktanácsadási Tartalomszolgáltató Információs Rendszer (SZTIR) Térképrajzoló WGS-EOV konvertáló modul kifejlesztése a Károly Róbert Főiskolán

119

Cseh András A mezőgazdasági szaktanácsadás segítése IKT eszközökkel

126

Erdélyi Éva, Pákolicz Orsolya, Boksai Daniella Élelmiszertermékek környezetterhelésének mérőszáma és annak érzékenysége az életciklus elemeire 133

V

Szabóné Berta Olga Kettős könyvvezetésű mezőgazdasági vállalkozások körében végzett kérdőíves kutatás tapasztalatai

143

Füzesi István A szabályozásokon felüli termék nyomon követés gazdaságossági vizsgálata

151

Lengyel Péter XML szerepe az elektronikus tananyagfejlesztésben

160

Aszalós László, Bakó Mária Korreláció-klaszterezés feladatának közelítő megoldása optimalizálási módszerekkel

166

Brávácz Ibolya Az élelmiszer kereskedők tapasztalatai a fogyasztók egészség-és környezettudatosságáról

176

Tankovics András Családi gazdaságok termék nyomon követésének megvalósíthatósága a Közvetlen Számítógépi Leképezés módszerének alkalmazásával

184

Zörög Zoltán, Kisari Krisztián, Csapó László Attila, Csernák József A vállalati információs rendszerek alkalmazásának területei a vállalkozásokban

192

VI

Agrárinformatika 2012 Konferencia / Agricultural Informatics 2012 Conference _____________________________________________________________________________________________________

Green Informatics: ICT for Green and Sustainability Zacharoula S. Andreopoulou 1

Abstract: Green Informatics constitute a new term in the science of information that describes the utilization of informatics in the interest of the natural environment and the natural resources regarding sustainability and sustainable development. Nowadays, ICT has introduced the convergence of e-services with broadband network infrastructure, wireless technologies and mobile devices. The revolution of ICTs introduction in daily average life has also resulted in the increase of GHG, since the ’’carbon footprint’’ is continually increasing. The dimensions of Green Informatics contribution are: the reduction of energy consumption, the rise of environmental awareness, the effective communication for environmental issues and the environmental monitoring and surveillance systems, as a means to protect and restore natural ecosystems potential. EU has reinforced the environmental sector with focus on high level of protection and improvement of the quality of environment through the enacting of strategies, initiatives and measures. Future EU strategy aims to a low carbon European society by 2050 and to green/sustainable development, ICTs can play a key role in the environmental protection and sustainability, however, green behavior is still critical Keywords: Green Informatics, Green ICTs, e-m services, environmental protection. sustainability

1. Introduction In recent years, the role of ICT in the protection of the environment and combating climate change has received significant attention in different types of international fora. Events and discussions on the topic of “Green informatics” and “Green ICT’’ are frequent and numerous and the interest in ICT’s potential is not as much appreciated and often fails to get the attention it deserves to reflect solutions instead of problems (WWF, 2011). Green Informatics incorporate design techniques, construction techniques, the function and the information diffusion techniques and aim to the optimal environmental governance, in the interest of the natural environment and the natural resources regarding sustainability in combination to management of the energy requirements in a way that exploits the alternative energy sources. Web technology and broadband Internet along with web-based projects are emerging in a fast pace in useful devices everywhere in our society and a huge amount of information move across the WWW worldwide (Andreopoulou, 2009). Green Informatics are ICT tools, services and technologies in combination with green practices and green behaviour either for the ICT sector industry or the ICT user/citizen that contribute not only to the protection and restoration of the environment but also to the enhancement of the quality of human life. So, the notion of ‘’Green Informatics’’ has rather become synonymous with eco-friendly techs and software tools such as Virtualization, Recycling and Telecommuting. Nowadays, ICT has introduced the convergence of electronic services (e-services) - broadband network infrastructure - wireless technologies and mobile services. This confluence resulted in a combination of devices, products, tools, services and technologies with enhanced social network abilities, that are greatly recognized 24/7, almost globally in all sectors of human life. Broadband has been the gateway to the networked economy, since its potential to transform the daily processes in both work and life, opens a door to new business models and growth opportunities at a time when many countries are struggling to jumpstart their economies during global economic crisis (Broadband Commission, 2012). Services provided using broadband access in the internet insure high and fix transmission rate for quality internet almost globally. Some of the most common webbased products of the suite of e-services are e-learning, e-working, e-banking, e-voting, e-government, e-commerce, e-shop, e-research, e-medicine and e-payment. In recent years, useful mobile broadband services (m-services) tailored to the needs of people have been built which combine elements of usergenerated content with network-based enhancements. Transforming economic and social activities, the mobile technologies contribute to sustainable development through green banking, green commerce, green governance, green constructions, etc. 1

Aristotle University of Thessaloniki, [email protected]

1


The revolution of ICTs introduction in daily average life has also resulted in the increase of green house effect, since the ’’carbon footprint’’ is continually increasing. Carbon footprint (CF) – also named Carbon profile – is the overall amount of carbon dioxide (CO 2 ) and other greenhouse gas (GHG) emissions (e.g. methane, laughing gas, etc) associated with a product, along its supplychain and sometimes including from use and end-life recovery and disposal (European Commission, 2007). In this case, it refers to the energy needed and the pollution generated in ICT production processes and within the final use of ICTs. In 2007, Gartner released a study which showed that the total amount of CO 2 emissions from the ICT industry could amount to 2% of global carbon emissions. At the same time, ICT applications are acknowledged to be the tool for the global environmental protection strategy.

2. The Dimensions of Green Informatics Contribution The dimensions of contribution of Green Informatics to the environment and environmental sustainability are: • Reduction of energy consumption/carbon footprint while production and usage towards low carbon economy • Rise of environmental awareness with information diffusion, training and education • Effective communication for environmental projects and networks • Sustainable environmental governance 2.1. Reduction of energy consumption and gas emission Green Informatics can contribute through: • Inventing innovative energy saver systems, technologies and ’’smart’’ devices, using ’’smart energy management’’ • Applications for energy saver policies using renewable sources, solar energy and photovoltaic, wind energy, bio-fuel, bio-climatic technology, anti-pollutants technology, etc • Recycling and reducing of e-waste such as old IT systems, chips, PC, hardware, printers, mobile phones, etc The 40% of the total energy consumption is due to households, therefore innovative ’’smart houses’’, green constructions of bio-climate material and green architecture making use of innovative energy sensor – IT systems can achieve to measure, manage and reduce electricity consumption and air-conditioning requirements. The transition to a low-carbon society by 2050 includes the vision to live and work in low-energy and low-emission buildings, with intelligent heating and cooling systems. Cars and trains should be electric and hybrid and therefore our living-environment will be less polluted and cleaner. It is also important during global economic crisis that the sector of green construction and house energy improvement can lead to new job places. Moreover, clever use of e- and m-services can be a tool for less energy consumption. In the case of paper use it is important that nowadays correspondence of files, studies, data, photos, maps, etc can be acquired in digital type using internet and smart devices. The production and distribution of new products and services through broadband tends to minimize the needed energy, that is estimated through carbon footprint. Teleconferences have a direct positive effect on environmental protection and GHG emmissions reduction due to reduced transportation needs. More specifically, teleconferences can prevent the production of approximately 540.000tn CO 2 per year that would cause the air transportation of people. Teleconferences is a viable alternative solution that exploits broadband networks, especially for executive trips. Airplane trips have been estimated to contribute global pollution by 2%. Recently, during the week of volcano dust, 700 teleconferences rooms were created within a week to serve teleconferences between 124 countries. Using Green Informatics tools and services through broadband / 3G Internet, there is a profit for the environment and for the citizen with the decrease of cost and time to access government divisions (24 hours/7 days services), with energy save (no transportation), with degradation of pollute emission

2


(carbon footprint). Similarly, in the sector of e-commerce and e-business where new innovative business solutions are in favour of either the entrepreuner and the final customer. 2.2. Rise of environmental awareness with information diffusion, training and education Rise of environmental awareness with information diffusion, training and education helps people to understand environmental issues and the current environmental policies that are practiced globally. Remote and isolated populations can be encouraged to learn and be environmentally aware through (wireless/mobile) internet, especially when it is difficult to satisfy through traditional channels (newspapers, TV, radio, magazines, etc). There are thousands of special internet sites, blogs, forums, social network groups, internet polls, etc that share environmental information. These internet sources are of local or international interest and so, they provide an open tribune for everyone to ’’speak’’ and participate. The enhancement of people’s skills and awareness can be achieved through learning. Some of the learning software packages are the presentations and educational games and generally the use of eservices such as e-class, e-learning, distance-learning, web-based learning, life-long learning. 2.3. Communication of environmental networks The communication of environmental networks can be effective through innovative ICTs for environmental projects and networks in local, regional, national, cross-border and trans-national level. The success of environmental projects prerequisites the effective communication of stakeholders participants, secured through innovative Green Informatics tools and services. Green Informatics secure information flow for their viability and quick/safe communication. Environmental networks can survive including various scientific stakeholders: • Environmental groups, societies, unions, clubs, etc • Research Institutes • Government Organizations / divisions / ministries • Non-government Organizations (NGO) • Local authorities • Research groups 2.4. Sustainable environmental governance Green ICTs have become the way to advance the public sector’s performance in terms of information and service delivery, to encourage citizen participation in the decision-making process and to make government more accountable, transparent and effective. ICTs are key elements supporting the growth of e-governance initiatives, strategies and projects. Governance constitutes a distinct policy regarding management issues and designates processes with special focus on decision making, while it indicates the total sum of given and anticipated mechanisms. Presently, the governance of natural ecosystems, forests, lakes, rivers, natural resources and agricultures has to face the increased diversity of connections between different environmental characteristics and decisions of local, regional, national, and supranational relevance, with high coordination and exchange between administrative entities and actors across the public/private and the expert/stakeholder divide (Andreopoulou et.al., 2011)

3. ICT for Green and Sustainability Using e/mobile innovation we solve environmental problems and we ensure the sustainable environmental management with environmental data. ’’ICT for sustainable growth’’ is a specific process that focuses on greening with ICT (and also on greening of ICT). Six policy areas have been selected as priorities (Ernst and Young, 2011): a) Energy Efficiency of the ICT Sector (greening of ICT) b) Smart Sustainable Cities (greening with ICT) c) Energy Efficient Buildings (greening with ICT) d) Smart Grids (greening with ICT)

3


e) Water Management (greening with ICT) f) Climate Change Management (greening with ICT) Green Informatics support the construction and improvement of natural environment and resources surveillance systems, as a means to protect and restore natural ecosystems potential (forests, lakes, rivers, wetlands, etc) and introduce prevention actions, such as observatories, innovative tele-detection for forest fires - river floods - land erosions - climate change, monitoring and alarm systems, improvement of infrastructure and communication equipment, GIS technology, etc. For EU decisions/projects/tasks/measures/initiatives about agriculture, fishery, forestry, transportations, energy, commerce, development, etc there is always focus on and needed for innovative ICT tools. Forests and agricultural land are important to climate change mitigation because of the significance of their carbon stock and also for their exchange of greenhouse gases between the atmosphere and soils and vegetation that can go both ways. Over 120 million trees are harvested annually to supply US book and newspaper industries, emitting over 40 million metric tons of CO 2 per year (Green Press Initiative, 2008). Although research attempts are carried out locally successfully, in Institutes and research centers, at often considerable cost, their use remain limited and local. Effective organization, access and management of all-available information in environmental databases constitute an important factor within decision-making process. Environmental projects have to manage large interdisciplinary multivariable data sets that include a lot of variables from different sources and with different structure (meteorological, biological, economic, etc) and this has been successfully achieved through multidisciplinary environmental data management with databases. Environmental monitoring is an extremely useful tool for a large proportion of people. Network technologies can integrate geospatial technologies aiming to sustain agricultural and environmental observation networks and mission-critical agricultural and environmental applications can be deployed. Sensor networks through wireless networks can help to collect from remote places timeseries of environmental data. They are sent wirelessly/automatically to local databases in Institutes, Labs, etc and then data are analyzed for the study of sensitive environmental parameters. Data are analyzed with enhanced software and visual graphs are continuously produced for comparison. The analysis of data provides simulation models that simulate effectively the environmental reality. Models can provide future forecasts. Decision-makers can evaluate alternative future scenarios with decision support system (DSS). DSS are Information Systems given certain parameters we can provide wise management aiming to environmental sustainability. DSS information systems use: • Environmental databases • GIS • ARIMA modeling (time-series analysis) • Multi-variant analysis/multi-criteria analysis • Fuzzy logic • Expert systems, etc to help local authorities/stakeholders to decide towards sustainable environmental management, wise use of natural resources and also protect from natural disasters

4. European Union for the Environment Starting with Amsterdam Treaty (1997), EU has reinforced the environmental sector with focus on high level of protection and improvement of the quality of environment and the enacting of measures aiming to confront environmental problems. Today, the EU enhances projects and initiatives to make Europe again a green continent and support sustainable European economy which is climate-friendly and less energy-consuming by 2050. Since the 90’s, in EU emissions have decreased by 16%. If current green policies are fully implemented, the EU can achieve the first of 2020-targets of reducing emissions to 20% below 1990 levels. The second 2020-target is to raise the share of renewable energy resources in its total energy

4


consumption 20%. However, the third 2020-target concerning improving energy efficiency by 20% is still in question. Presently, EU has set another long-term target of reducing emissions by 80 to 95% by 2050. A roadmap has been designed for moving to a low-carbon economy in 2050 trying to keep global warming below 2oC. EU is targeted to Eco-innovation and green techynologies since clean technologies are the future for Europe’s economy. The sectors responsible for Europe’s emissionspower generation, industry, transport, buildings and construction, intense agriculture, can turn to a low-carbon economy in the near future e-Innovations. Sustainable Development stands for meeting the needs of present generations without jeopardizing the ability of futures generations to meet their own needs – in other words, a better quality of life for everyone, now and for generations to come. It offers a vision of progress that integrates immediate and longer-term objectives, local and global action, and regards social, economic and environmental issues as inseparable and interdependent components of human progress (European Commission, 2011). EU is present with legislation encouraging ICT involvement towards Sustainable Development (SD), also defined as green growth, that encompasses the economic development, the social development-quality of life and the protection-improvement of the environment. Some of the EU Biodiversity Strategy that aims to the environmental sustainability: • Habitats Directive (ecosystems) • Natura Network 2000 (protected areas) • Wild Birds Directive (Biodiversity conservation, Sustainable tourism for economic and social profit) Agriculture remains fundamental to economic development and environmental sustainability. In rural agricultural sustainability, it is important to have both expansion and innovation. New goods and services are demanded in rural areas regarding business opportunities and innovative ICTs and new technologies aiming to green development challenge, as a means to confront the economic crisis. Today, during the 4th Community Support Framework (EU), there are many programmes concerning agricultural funding and especially the innovative agricultural exploitations. EU initiatives and measures support young farmers, which are the main drivers for most of the ICT projects in agriculture. Agricultural entrepreneurships can be modernized using: • ICT infrastructure aiming to the automation of production, cultivation factors and inputs monitoring, e.g. precision technology etc • Information and communication equipment for e-commerce and e-marketing, e.g. logistics, traceability systems. • Innovative e- and m- systems for water losses reduction

5. Conclusions Information and Communication Technologies can play a key role in the environmental protection, the environmental sustainability, the environmental education and the rural sustainable development. Green IT enhances the sustainability of computing through manufacturing lower impact materials and products, reduced energy consumption of data centers and computers, and better recycling and end of life management (Center for Sustainable Systems, 2011). Using Green Informatics tools, services and technologies can contribute to the Environmental and Rural Sustainability. Yet, Green Informatics cannot substitute people and their behaviour that still constitutes the most critical factor within environmental protection and sustainability.

References Andreopoulou, Z.S. 2009. Adoption of Information and Communication Technologies in public forest service in Greece. Journal of Environmental Protection and Ecology. 10(4): 1194-1204. Andreopoulou, Z.S., B. Manos, N. Polman and D. Viaggi. 2011. Agricultural and Environmental Informatics, Governance, and Management: Emerging Research Applications. IGIGlobal. USA

5


Broadband Commission. 2012. The Broadband Bridge: Linking ICT with Climate Action for a Low-Carbon Economy. Available at: http://www.broadbandcommission.org/Documents/Climate/BD-bbcomm-climate.pdf (18/9/2012). Center for Sustainable Systems. 2011. Green IT. University of Michigan. Available at: http://css.snre.umich.edu/css_doc/CSS09-07.pdf (18/9/2012). Ernst and Young. 2011. The Role of Green ICT in Enabling Smart Growth in Estonia. Available at: http://www.pamlin.net/new/wp-content/uploads/EY_MKM_Green_ICT_study_2011_FINAL-REPORT2.pdf (18/9/2012). European Commission. 2007. Carbon Footprint – What it is and how to measure it. European Platform on Life Cycle Assessment. Available at: http://lct.jrc.ec.europa.eu/pdf-directory/Carbon-footprint.pdf (18/9/2012). European Commission. 2011. Sustainable Development. Available at: http://ec.europa.eu/environment/eussd/ (18/9/2012). Gartner. 2007. Gartner estimates ICT Industry Accounts for 2 Percent of Global CO2 Emissions. Available at: http://www.gartner.com/it/page.jsp?id=503867 (18/9/2012). Green Press Initiative. 2008. Annual Report. WWF. 2011. Outline for the First Global IT Strategy for CO2 Reductions. Available at: http://wwf.panda.org/ (18/9/2012).

6


Evaluation of invasive species based on hyperspectral imagery Laszlo Beko 1, Alida Kiss 2, Peter Burai 3

Abstract: The primary goal of this study was to present some remote sensing methods for mapping invasive species. Nowadays invasive species have caused one of the most important and highly accelerated effect on the ecosystem over time. Remote sensing is becoming more widely studied as a method of mapping and monitoring invasive species. In this paper we represent our method for detecting Solidago sp. using airborne hyperspectral imagery in the Mid-Ipoly-Valley. Our classification results could be exported to SHP vector format, so we can be visualized in different GIS applications. This study also demonstrates a range of techniques that can be used to produce accurate maps for some invasive species. The presented methodologies were also efficient to detect invasive species where those species formed homogeneous patches within the area. Keywords: invasive plants, satellite images, hyperspectral imagery, image classification

1. Introduction Invasive vegetation are a form of “biological pollution” and a major component of anthropogenic global change (Ricciardi, 2007). Continuing anthropogenic related disturbances, such as land conversion, grazing, and habitat fragmentation, combined with international trade and climate change indicate that these courses are likely to continue (Zedler-Scheid, 1988). Although an invasive species is often considered as an introduced species that has spread powerful and causes harm, some species native to a particular area can, under the influence of natural events or human modifications to the habitat, increase in numbers and become invasive. (Yang-Everitt, 2010) Early detection, timely mapping, and frequent monitoring of invasive plant distributions are central to natural resource management and habitat preservation (Anderson et al., 1993; NISC, 2001) Use of hyperspectral remote sensing in both research and operational applications has been steadily increasing in recent years. (Yang-Everitt, 2010) Remote sensing technologies offer the capability to rapidly and synoptically monitor large areas. The wealth of spectral information provided by hyperspectral sensors allows for the species-level detection necessary to map invasive weeds (Clark et al., 2005; Underwood et al., 2007). Most weed mapping researches discuss their work in the context of the species characteristics that contribute to mapping success. All plants are spectrally similar because they are composed of the same spectrally active materials: pigments, water, cellulose, etc. (Jacquemoud-Baret, 1990) The spectral uniqueness requisite for hyperspectral detection most often occurs when invaders possess physiological traits or phenologies that are novel to the invaded ecosystems. (Asner-Vitousek, 2005) Over the years, researchers have sought to exploit unique phenological, structural, and spectral characteristics of invasive species in remote sensing imagery to separate them from the mosaic of species around them (Underwood et al., 2003). In this paper we presente some methods for mapping invasive species using satellite images in foreign countries. Then we represent our research which was to investigate the utility of airborne hyperspectral imagery and several classification approaches for detecting the most problematic invasive plant species (Solidago gigantea, S. canadensis) in the Mid-Ipoly-Valley. Foreign samples are added to some outlook for methods and their success using on the world.

1 Karoly Robert College, Research Institute of Remote Sensing and Rural Development [email protected] 2 Karoly Robert College, Research Institute of Remote Sensing and Rural Development [email protected] 3 Karoly Robert College, Research Institute of Remote Sensing and Rural Development [email protected]

7


Our investigation is evidenced that airborne hyperspectral remote sensing technology might be the best technique to map invasive species, because images can cover large area quickly with relative high ground and radiometric resolution. It can detect small patches that otherwise might have been missed by ground surveys.

2. Samples for satellite images utility to detect invasive species In the following, we illustrate the investigated plants, the imaging systems, the spectral resolutions and the references in Table 1. The content of Table 1 is expounded in the next subchapters. Investigated plant Robinia pseudoacacia Phragmites australis Tamarix ssp.

Table 1. Samples for using satellite images Imaging system Spatial resolution Reference Landsat 5 TM 30 m Somodi et. al., 2012 EO-1 Hyperion 30 m Pengra et. al., 2007 AVIRIS 4m DiPietro et al., 2002

A number of studies have been conducted on species-level mapping using remotely sensed imagery (Carson et al., 1995; Dennison-Roberts, 2003a,b; Dewey et al., 1991; DiPietro et al., 2002; Kokaly et al., 2003; Martine et al., 1998; Parker-Williams & Hunt, 2002; Underwood et al., 2003; Williams et al., 2003). However, extensive and comparative research on the utility of hyperspectral imagery for tamarisk mapping is limited (Hamada et al., 2007). Everitt et al. (1996) utilized four-waveband aerial video imagery (1 to 2.3 m spatial resolution) acquired in late November to successfully map tamarisk infestation for three density classes along the Colorado, Rio Grande, and Pecos Rivers. DiPietro et al. (2002) investigated the potential for mapping Arundo donax and Tamarix ssp. with Advanced Visible and Infrared Imaging Spectrometer (AVIRIS) hyperspectral imagery. The authors found that tamarisk was not separable from surrounding California scrub vegetation with 4 m spatial resolution AVIRIS imagery. Hamada et al. (2007) summarize results from one of the first studies on the utility of very high spatial (0.5 m) and spectral (i.e., hyperspectral) resolution airborne imagery for species-level detection of an invasive plant species. Image data with such high spatial and spectral resolution increases the potential for discriminating tamarisk from background land cover types, by resolving a greater number of pure pixels containing this invasive plant species. The objective of this research was to evaluate image-based methods for semi-automatic detection of tamarisk within riparian zones of southern California. Various classification inputs, spectral enhancement techniques, and classification algorithms were tested. The application goal is to detect and approximately locate tamarisk infestations for further ground-based reconnaissance and management. Airborne hyperspectral sensors such as AVIRIS, CASI, HyMap and PROBE-1 have been somewhat successful in mapping vegetation at the species level (Bachmann et al., 2002; Lopez et al., 2004; Parker Williams-Hunt, 2002; Schmidt-Skidmore, 2001). Space platform remote sensors such as Landsat provide the wider view and lower cost needed for practical applications, but have shown less facility for distinguishing species than have hyperspectral sensors including Hyperion (Goodenough et al., 2002; Thenkabail et al., 2004). Pengra et al. (2007) tested the applicability of Hyperion for mapping monodominant stands of Phragmites in the coastal wetlands of the Great Lakes. They evaluated the Phragmites map with field data. Stands of Phragmites in the study area were typically long and narrow: several tens of meters in the dimension parallel to the shoreline, but <20 m in the dimension perpendicular to the shoreline. Therefore, even though Phragmites occurred in stands that appeared to be large and monodominant to field observers, Hyperion's 30 m resolution captured few if any pure pixels. A similar problem is experienced in Atlantic Coast marshes, where Phragmites typically grows in narrow strips adjacent to dense Myrica cerifera shrub thickets, and is difficult to detect due to mixing with other categories (Bachmann et al., 2002). In spite of these barriers, the results of study suggest that this first generation

8


technology is approaching a level of accuracy in species level remote sensing that would provide a profoundly powerful tool for ecological research and management (Pengra et al., 2007). Landsat images are free to download and have been successfully applied for species recognition (Wilfong et al., 2009). National aerial photographing missions are often regular and also available to researchers within the country. Independently from the nature of the data source, several authors tested several recognition methods and typically received the best discrimination with supervised classification schemes (Petersen et al., 2005; Everitt et al., 2008). Therefore Somodi et al. (2012) choosed a variant of supervised classification: Generalised Linear Models, which is a yet less widespread, but an already established alternative in analysis of remote sensed data (Mathys et al., 2006; Zimmermann et al., 2007; Huber et al., 2008). They aim was to test low-cost data sources for the recognition of Robinia pseudacacia at large extent and fine resolution. They also set the goal to use simple methodology, which can be followed by conservation practitioners. At the same time, thir target was an automated method, which could be applied repeatedly to large areas (Somodi et al. 2012). Coarse resolution worked well in those studies, where homogeneous stands of the target species were to be found in the landscape (Resasco et al., 2007; Wilfong et al., 2009). Robinia pseudacacia stands, however, are mixed with native trees in the study region thus spectral information is not homogeneous over the 30 m pixels of Landsat images, which hampered the recognition (Somodi et al. 2012). High-resolution space borne imagery is more often acquired in time and can even be cost-effective if images of the permanently working satellites can be used, such as GeoEye, Quickbird or Ikonos, which typically provide data similar to those in aerial photographs (visible colour bands + infrared, examples include Everitt et al., 2008; Mohamed et al., 2011; Dorigo et al., submitted for publication).

3. Mapping Solidago sp. with airborne hyperspectral imagery For demonstrate a national sample we selected a method which based on own research, where the airborne hyperspectral imagery was taken at the border between Balassagyarmat and Ipolytarnóc. It is located at the common (Slovak-Hungarian) area under the scope of Natura 2000 (in 50-50 m width), as well as from the special nature conservation area of the “Mid-Ipoly-Valley” with the ID HUBN20062 (Figure 1).

Figure 1. Overview map showing the location of “Mid-Ipoly-Valley” Natura-2000 site in the mapped area 3.1. Method Digital images were made by a push-broom typed Aisa Eagle II hyperspectral camera (www.specim.fi) was used whole sample area, which is capable of imaging in the visible and near-

9


infrared range (VNIR). Imaging was between 10:30-13:30 GMT, on 24th September, 2010. Recording happened with 2.5nm sampling in the full spectrum (400-1000nm), so each pixel contains 253 spectral channels. High-accuracy OxTS RT 3003 GPS/INS system was used for record of the navigation data. The hyperspectral camera was equipped on the Piper Aztec-type airplane. During the recording, 11 hyperspectral images were made together, from which a mosaic was made after the preprocessing, so a coherent image file is available for the entire sample plot. From the reflectance spectra produced after the calibration spectral library was made that formed the basis of the subsequent image processing. Image processing was implemented with the ENVI+IDL 4.7 software. For further examination a study area was selected where goldenrod (Solidago gigantea, S. canadensis) occurred in dense population. Image size of selected site was 420*423 pixels by study_area (Örhalom site). During prior field trips, the representative vegetation groups and the invasive species that can be found on the sample plot was located using a DGPS device to use as accurate teaching and monitoring area, required for the image analysis (Table 1).

Study_area (Örhalom site)

Table 1. Sizes of training and ground data Land cover Ground truth Training area classes (number of pixels) (number of pixels) Solidago sp.

2486

83

Carex sp.

380

36

Populus alba

5430

80

Waste land

3466

78

Zea mays

4867

92

Salix sp.

565

52

Marshland

424

33

For all ground truth land cover types measurements were made using ASD FieldSpec ultra-portable spectrophotometer in the same wavelength range, as hyperspectral images were acquired. During classification of invasive plant species different land cover types and various phenophases of plants have to be taken into account. Investigation was complicated by remarkable water cover of the surface of the sample area due to the flood of river Ipoly, therefore those species, which composed homogenous plant canopy in the previous year, could be observed only at higher altitudes. Solidago groups were selected for further investigation on the basis of previous field survey data. 3.2. Results Training and control areas were assigned based on ground GPS measures on the study area. During the classification, the major land use categories and invasive weed species that constitute a significant population were defined, such as goldenrod (Solidago gigantea, S. canadensis). Moreover, there is a lot of redundancy in the data which has to be reduced. Classification was made by using reference spectra, applying Spectral Angle Mapper (SAM) method. The SAM is a classification method that permits rapid mapping by calculating the spectral similarity between the image spectrums to reference reflectance spectra. The reference spectra can either be taken from laboratory or field measurements or extracted directly from the image. SAM measures the spectral similarity by calculating the angle between the two spectra, treating them as vectors in n-dimensional space. Small angles between the two spectrums indicate high similarity and high angles indicate low similarity (Girouard et al., 2004). In this case, the classification algorithm selects the pixels close to the measured spectra on field according to the pre-set searching conditions. SAM can be useful tool to classify hyperspectral images without spectral transformation. To minimize the influence of sensor noise during image analysis and reducing the redundant data, the minimum noise fraction (MNF) transformation was used. The MNF transform is based on two

10


principal components analysis (PCA) transformations and divides the original hyperspectral data into two parts: one part associated with large eigenvalues and coherent eigenimages, and a complementary part with near-unity eigenvalues and noise-dominated images. By using the smaller number of coherent eigenimages or MNF bands, the computational time and complexity for image analysis are reduced and the noise is separated from the data, thus improving spectral processing results (YangEveritt, 2010). SEATH (Separabilities and Thresholds) tool was used to identify relevant feature from original MNF dataset. The feature analyzing tool SEATH identifies characteristic features with a statistical approach based on training objects. These training objects represent a small subset out of the total amount of image objects and should be representative objects for each object class. The statistical measure for determining the representative features for each object class is the pairwise separability of the object classes among each other. Subsequently, SEATH calculates the thresholds which allow the maximum separability in the chosen features (Nussbaum et al. 2006). Jeffries-Matusita values were used to select the bands have good separability (Richards, 1999). First 8 MNF bands were selected based on Jeffries-Matusita values (Table 2.). Table 2. Jeffries-Matusita values and the 8 MNF bands Örhalom site MNF bands Avarage J value J>1,5 MNF01 1.98 15 MNF02 1.96 9 MNF03 1.96 5 MNF04 1.84 7 MNF05 1.81 9 MNF06 1.81 6 MNF07 0 MNF08 1.73 4 MNF09 1.62 3 After band selection and masking of the sample area, image analysis algorithm was run on the study site. Spectral Angle Mapper (SAM) method was applied by the selected bands (193). Furthermore, maximum likelihood classification was applied with 3 different MNF dataset. First 3 MNF, SEATH’s selected first 6 and 8,9 MNF and first 15 MNF bands were applied by Maximum Likelihood classification. For validate the accuracy of the classification, confusion matrix was applied (Table 3).

Figure 2. Scatter plot of the first and second MNF bands

11


Red points on the Scatter plot (Figure 2.) indicate Solidago sp., which are discriminated well to any other aboveground objects. The classification results could exported to SHP vector format (yellow points).

Classes

Table 3. Confusion matrix of study_area (Örhalom site) Max.Like.Max.Like.Max.Like.SAM(1) (2) (3) MNF-01 MNF-02 MNF-03(4) Prod. User Prod. User Prod. User Prod. User Acc. Acc. Acc. Acc. Acc. Acc. Acc. Acc. (%) (%) (%) (%) (%) (%) (%) (%)

Solidago sp.

69.01

60.90

93.85

62.74

100.00

68.91

100.00

70.66

Carex sp.

38.21

67.14

33.85

99.21

59.08

97.69

65.04

94.12

Populus alba

74.00

98.34

77.43

99.23

79.05

99.74

78.55

99.95

Waste land

48.16

65.99

94.71

92.56

99.08

100.00

98.51

100.00

Zea mays

99.18

80.00

97.32

97.81

99.71

100.00

99.46

100.00

Salix sp.

73.98

64.91

88.14

67.12

92.57

62.28

92.92

59.79

Marshland Overall accuracy Kappa-index

83.25

64.91

96.93

100.00

99.06

100.00

98.35

100.00

75.14

88.71

92.34

92.14

0.68

0.85

0.90

0.89

1. SAM -Spectral Angle Mapper 129 selected bands 2. Max.Like-MNF-01 Maximum Likelihood classification of MNF 1-3 bands 3. Max.Like-MNF-02 Maximum Likelihood classification of MNF 1-6,and 8,9 bands 4. Max.Like-MNF-03 Maximum Likelihood classification of MNF 1-15 bands

The overall performance of classifications was generally acceptable with overall accuracy levels between 75.14-92,34%, and kappa coefficient of between 0.68-0.90. The overall accuracy and the kappa-index provided the best results in case of MNF-02. . The classification results were exported to SHP vector format, so they can be visualized in different GIS applications.

3. Conclusions In this study, we presented some foreign samples for mapping ivasive weeds based on satellite images. In addition we demonstrated a method which was to investigate the utility of high ground (1 m) and spectral (253bands) resolution airborne hyperspectral imagery and several classification approaches for detecting the most problematic invasive plant species in the Mid-Ipoly-Valley. In this research, we applied a feature selection method combined with image classification methods that are relatively simple and are capable of improving the quality of hyperspectral mapping products of invasive species and other vegetation types. The initial results of this study were very promising as the single date detections were comparable to other hyperspectral studies. SEATH (Separabilities and Thresholds) was a very efficient tool to select MNF bands for image classification. Further analysis and improvements of the presented methods could lead to very high quality mapping products. This study also demonstrates a range of techniques that can be used to produce accurate maps for some invasive species. The presented methodologies were also efficient to detect invasive species where those species formed homogeneous patches within the area.

4. Acknowledgements This research was part of the project Hungary-Slovakia Cross-border Co-operation Programme HUSK0801/066. Additional founding was received from National Innovation Office of Hungary, Baross Gábor project – KRFKOM09.

12


References Anderson, G. L., Everitt, J. H., Richardson, A. J., Escobar, D. E. 1993. Using satellite data to map false broomweed (Ericameria austrotexana) infestations on south Texas rangelands. Weed Science, 7, 865−871. Asner, G. P., Vitousek, P. M. 2005. Remote analysis of biological invasion and biogeochemical change. Proceedings of the National Academy of Sciences of the United States of America, 102, 4383−4386. Bachmann, C. M., Donato, T. F., Lamela, G. M., Rhea, W. J., Bettenhausen, M. H., Fusina, R. A. 2002. Automatic classification of land cover on Smith Island, VA, using HyMAP imagery. IEEE Transactions on Geoscience and Remote Sensing, 40, 2313−2330. Carson, H. W., Lass, L. W., Callihan, R. H. 1995. Detection of yellow hawkweed with high resolution multispectral digital imagery. Weed Technology, 9, 477–483. Clark, M. L., Roberts, D. A., Clark, D. B. 2005. Hyperspectral discrimination of tropical rain forest tree species at leaf to crown scales. Remote Sensing of Environment, 96, 375−398. Dennison, P. E., Roberts, D. A. 2003. Endmember selection for multiple endmember spectral mixture analysis using endmember average RMSE. Remote Sensing of Environment, 87, 123−135. Dennison, P. E., Roberts, D. A. 2003. The effects of vegetation phenology on endmember selection and species mapping in southern California chaparral. Remote Sensing of Environment, 87, 295−309. Dewey, S. A., Price, K. P., Ramsey, D. 1991. Satellite remote sensing to predict potential distribution of dyers woad (Isatis tinctoria). Weed technology 5, 479–484. DiPietro, D., Ustin, S., Underwood, E. 2002. Mapping the invasive plant Arundo donax and associated riparian vegetation using. Proceedings of 2002 Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) Workshop Pasadena, CA: NASA JPL. Dorigo, W., Lucieer, A., Podobnikar, T., Carni, A., Wagner, W., Submitted for publication. Mapping the spatial dispersion of invasive Fallopia japonica by combined spectral, spatial, and temporal analysis of digital orthophotos. Int. J. Appl. Earth Obs. Geo. Everitt, J. H., Escobar, D. E., Alaniz, M. A., Davis, M. R., Richerson, J. V. 1996. Using spatial information technologies to map Chinese Tamarisk infestation. Weed Science, 44, 194−201. Everitt, J. H., Yang, C., Davis, M. R. 2008. Remote sensing of exotic invasive weeds in the Rio Grande system of Texas: a review. Subtropical Plant Science 60, 38–57. Girouard, G., Bannari, A., El Harti, A., Desrochers, A. 2004. Validated Spectral Angle Mapper Algorithm for Geological Mapping: Comparative Study between Quickbird and Landsat-TM. International Archives of Photogrammetry Remote Sensing and Spatial Information Sciences vol. 35, part. 4, 599–604. Goodenough, D. G., Bhogal, A. S., Dyk, A., Hollinger, A., Mah, Z., Niemann, K. O. 2002. Monitoring forests with Hyperion and ALI. International Geoscience and Remote Sensing Symposium, 2, 882−885. Hamada, Y., Stow, D. A., Coulter, L. L., Jafolla, J. C., Hendricks, L. W. 2007. Detecting Tamarisk species (Tamarix spp.) in riparian habitats of Southern California using high spatial resolution hyperspectral imagery. Remote Sensing of Environment 109, 237–248. Huber, S., Kneublühler, M., Psomas, A., Itten, K., Zimmermann, N. E. 2008. Estimating foliar biochemistry from hyperspectral data in mixed forest canopy. Forest. Ecol. Manage. 256, 491–501. Jacquemoud, S., Baret, F. 1990. Prospect - A model of leaf optical properties spectra. Remote Sensing of Environment, 34, 75−91. Kokaly, R. F., Despain, D. G., Clark, R. N., Livo, K. E. 2003. Mapping vegetation in Yellowstone National Park using spectral feature analysis of AVIRIS data. Remote Sensing of Environment, 84, 437−456. Lopez, R. D., Edmonds, C. M., Neale, A. C., Slonecker, T. S., Jones, K. B., Heggem, D. T. 2004. Accuracy assessments of airborne hyperspectral data for mapping opportunistic plant species in freshwater coastal wetlands. In R. S. Lunetta & J. G. Lyon (Eds.), Remote Sensing and GIS Accuracy Assessment (pp. 253−267). New York: CRC Press. Martine, M. E., Newman, S. D., Aber, J. D., & Congalton, R. G. 1998. Determining forest species composition using high spectral resolution remote sensing data. Remote Sensing of Environment, 65, 249−254.

13


Mathys, L., Zimmermann, N. E., Zbinden, N., Suter, W. 2006. Identifying habitat suitability for hazel grouse Bonasa bonasia at the landscape scale. Wildlife Biol. 12, 357–366. Mohamed, A. H., Holechek, J. L., Bailey, D. W., Campbell, C. L., DeMers, M. N. 2011. Mesquite encroachment impact on southern New Mexico rangelands: remote sensing and geographic information systems approach. J. Appl. Remote Sens. 5, 053514. NISC (National Invasive Species Council) 2001. Meeting the invasive species challenge: National invasive species management plan. Washington D.C.: NISC, 10−17. Nussbaum, S., Niemeyer, I., Canty, M. J. 2006. Seath - A New Tool for Automated Feature Extraction in the Context of Object-Based Image Analysis. Bridging Remote Sensing and GIS 1st International Conference on Object-based Image Analysis (OBIA). Salzburg University, Austria. Parker-Williams, A. P., Hunt Jr., E. R. 2002. Estimation of leafy spurge cover from hyperspectral imagery using mixture tuned matched filtering. Remote Sensing of Environment 82, 446–456. Pengra, B. W., Johnston, C. A., Loveland, T. R. 2007. Mapping an invasive plant, Phragmites australis, in coastal wetlands using the EO-1 Hyperion hyperspectral sensor. Remote Sensing of Environment 108, 74–81. Petersen, S. L., Stringham, T. K., Laliberte, A. S. 2005. Classification of willow species using large-scale aerial photography. Rangeland Ecol. Manage. 58, 582–587. Resasco, J., Hale, A., Henry, M., Gorchov, D. 2007. Detecting an invasive shrub in a deciduous forest understory using late-fall Landsat sensor imagery. Int. J. Remote Sens. 28, 3739–3745. Ricciardi, A. 2007. Are modern biological invasions an unprecedented form of global change? Conservation Biology, 21, 329−336. Richards, J. A. 1999. Remote Sensing Digital Image Analysis, Springer-Verlag, Berlin, 240. Schmidt, K. S., Skidmore, A. K. 2001. Exploring spectral discrimination of grass species in African rangelands. International Journal of Remote Sensing, 22, 3421−3434. Somodi, I., Carni, A., Ribeiro, D., Podobnikar, T. 2012. Recognition of the invasive species Robinia pseudacacia from combined remote sensing and GIS sources. Biological Conservation 150, 59–67. Thenkabail, P. S., Enclona, E. A., Ashton, M. S., Legg, C., De Dieu, M. J. 2004. Hyperion, IKONOS, ALI and ETM+ sensors in the study of African rainforests. Remote Sensing of Environment, 90, 23−43. Underwood, E. C., Ustin, S. L., Ramirez, C.M. 2007. A comparison of spatial and spectral image resolution for mapping invasive plants in coastal California. Environmental Management, 39, 63−83. Underwood, E., Ustin, S., DiPietro, D. 2003. Mapping nonnative plants using hyperspectral imagery. Remote Sensing of Environment, 86, 150−161. Wilfong, B. N., Gorchov, D. L., Henry, M. C. 2009. Detecting an invasive shrub in deciduous forest understories using remote sensing. Weed Sci. 57, 512–520. Williams, D. J., Rybick, N. B., Lombana, A. V., O'Brien, T. M., R.B.G. 2003. Preliminary investigation of submerged aquatic vegetation (SAV) mapping using hyperspectral remote sensing. Environmental Monitoring and Assessment, 81, 383−392. Yang, C., Everitt, J. H. (2010). Mapping three invasive weeds using airborne hyperspectral imagery. Ecological Informatics 5, 429–439. Zedler, P. H., Scheid, G. A. 1988. Invasion of Carpobrotus edulis and Salix lasiolepis after fire in a coastal chaparral site in Santa Barbara county, California. Madrono, 35(3), 196–201. Zimmermann, N. E., Moisen, G. G., Edwards Jr., T. C., Frescino, T. S., Blackard, J. A. 2007. Remote sensingbased predictors improve distribution models of rare, early successional and broadleaf tree species in Utah. J. Appl. Ecol. 44, 1057–1067.

14


Analysis of operating photovoltaic power panels Vizsgálatok foto elektromos napelemek üzemeltetésekor Zoltán Hagymássy 1

Abstract: The Department of Agricultural Machinery and Research base of the University of Debrecen has a photovoltaic power plant. We gave information about the main operating characteristics and operation experience of the photo-electric power plant. The total installed capacity of solar panels (Kyocera, Dunasolar, and Siemens) is P= 8,64 Kw. There are 3 main objectives using the solar energy panels and inverters. 1.In the field of education: introducing the solar panels and PV-panels and inverters. 2.Demonstration purposes: demonstration and propagation of the renewed energy in the field of agriculture. 3.In the field of research work: measuring and calculating the coefficient of efficiency, exposure metering, economical calculations. Keywords: solar energy, photovoltaic (PV) panel, agricultural use

Összefoglaló: A A Debreceni Egyetem Agrár-műszaki Tanszékének Oktató-Kutató bázisa rendelkezik egy foto villamos nap erőművel. Tájékoztatást adunk a foto-villamos erőmű kialakításáról és üzemeltetésének tapasztalatairól. Az elhelyezett napelemek összes teljesítménye (Kyocera, Dunasolar, és Siemens) 8, 64 kW. A napelemeknek és az energia-átalakító inverterek üzemeltetésének 3 fő célja van: 1.Az oktatásban a napelemek és kollektorok mezőgazdasági alkalmazásának bemutatása. 2.A kutatásban: hatásfokok összehasonlítása, besugárzási jellemzők a térségben, gazdaságossági számítások, mezőgazdasági alkalmazás. 3.Bemutatási célokra: megújuló energiaformák terjesztése, népszerűsítése. Kulcsszavak: nap energia, foto-villamos panel, mezőgazdasági hasznosítás

1. Introduction Life on Earth is based on solar energy. The outer limit of Earth's atmosphere receives almost a constant amount of radiation of 1352 W/m2, of which the 23% is absorbed by the atmospheric gases, 26% is reflected, so 51% reaches the Earth's surface in the form of direct or diffuse radiation. In Hungary, the number of sunny hours: 1900-2200 hours per year, the average radiation intensity is around 1200 Kwh/m2. (Hagymássy-Fórián, 2009) The advantages of solar energy - is available virtually unlimited - use of fossil fuels can be converted into a pure, natural, therefore environment-friendly source of energy. The – yet not experienced – increase of fossil fuel (oil, natural gas) prices gives a remarkable reason for the more extensive agricultural utilization of solar energy on the North Great Plain, particularly in the area of Debrecen. (Sulyok-Meggyes, 2007).

2. Materials And Methods 2.1. The test conditions of the University of Debrecen University of Debrecen, Department of Agricultural-machinery started the research of renewable energy in 2003. There is a demonstration center in the Department of Agricultural-machinery of Educational Research Center where students, teachers and those who interested get an overview of the topic of renewable energy potential and the necessary technological solutions. The first step of the development it was built a photo electric power plant (P=8.64 kW, and A=110 m2 surface). In order to be operable independently of each other module three inverter (SB 2500) had Debreceni Egyetem Agrár- és Gazdálkodástudományok Centruma, Mezőgazdaság-, Élelmiszertudományi és Környezetgazdálkodási Kar, [email protected]

1

15


been installed. The power plant connected to a weather station, which contents a PT 100 type temperature and humidity combined measuring instrument, a CM 11 pyranometer, and a wind speed measuring instrument. The measured operating and meteorological dates are collected by Sunny Boy Control, produced by the SMA (Figure 1). The Sunny Boy Control has eight analogue and eight digital inputs and eight digital outputs. One of the eight analog inputs is used to measure the air temperature, and one of them measuring the Module temperature.

Figure 1. Sunny Boy Control (SB 2500) inverter The recorder can be connected directly to desktop PC by RS232. Every 15 minutes operating and meteorological dates are recorded by MS Excel. An average day there is 150 to 160 measuring dates.

3. Evaluation Of The Results 3.1. The measured physical characteristics The tested types of solar panels: Siemens ST 40W (72 pc), Kyocera KC 120 W (24 pc), Dunasolar DS 40W (24 pc). (Figure 2.)

Figure 2. Siemens ST 40w, Kyocera KC 120 w, Dunasolar DS 40w solar panels The Photo electrical Power Plant gives an opportunity to compare the physical characteristics of different types of solar panels, which are: Module voltage, V Module current, mA Ac voltage (Feeding electric voltage to network), V Ac current (Feeding electric current to network), A Total energy, kWh (Figure 3.)

16


Daily total energy in kWh Power (Feeding electric power to network), W (Figure 3.) Global radiation, W/m2 (Figure 3). Air temperature, ° C Module temperature, ° C Wind speed, m / s Wind direction, degrees The analyzed dates provide an opportunity to compare different types of solar cells characteristics, and the usage conditions of solar cells in our region. Economic analysis gives possibilities to compare operation and installation costs of solar cells.

Figure 3. Global radiation W/m2 , Power W, Total energy kWh 3.2. The produced electrical energy in 2011 In 2011 the amount of produced electrical energy is represented by Figure 4 and Figure 5. It can be concluded that, although each of the three types of solar panels power rating are equal, the Siemens monocrystalline and Kyocera polycrystalline solar cells were produced 1.8 to 2 times more electric energy than the amorphous Dunasolar solar panels. (Hagymássy et al., 2012)

[kWh] 600 Kyocera [kWh]

Siemens [kWh]

Dunasolar [kWh]

500 400 300 200 100 0 jan febr márc ápr máj jún

júl

aug szept okt nov dec

Figure 4. The produced electrical energy per months (kWh) in 2011

17


kWh

25 Kyocera [kWh]

Siemens [kWh]

Dunasolar [kWh]

20 15 10 5 jan

máj

s…

0

Figure 5. The produced electrical energy per day (kWh) in 2011 Solar panel types: Kyocera, Siemens, Dunasolar 3.3. Temperatures and radiation conditions We examined the air temperature and the temperature of the panel and the global radiation conditions. The panel temperature reaches 60-80 degrees. (Figure 6.) It can be concluded that the outside air temperature is not have a major impact to the amount of energy produced. (HagymássyGindert 2010)

Date: 15.03.2012 35

6000

30

5000

Power (W)

7000

Temperature (C)

40

25

4000

20

3000

15 10

2000

5

1000

0

0 6

7

8

9

10

Power

11

12

13

14

Time (hour)

Temperature of the panels

15

16

17

Global radiation Temperature of the air

Figure 6. Air temperatures, Temperature of the panels, Radiation conditions, and Power 3.4. Experiences of the operated solar panels According to our measurements our photovoltaic plant produced 5000 - 6000 kWh electrical energy on average year. During the winter months, the average volume of produced energy was 200300 kWh, while during the summer months it was 600-720 kWh. In spring and autumn, the amount of electricity energy was 250-500 kWh per month. Module Type: 1. Kyocera KC 120 w 24 pieces in two rows (figure 7.)

18


Measured efficiency: 15-17% The operational experiences: good radiation absorbing ability, aesthetic.

Figure 7. Kyocera KC 120 w solar panels 2. Siemens ST 40W 72 pieces in two rows (figure 8.) Measured efficiency: 12-15% The experiences of operation: Easy to assemble, low weight (7 kg). Good resistant against to the environmental effects.

Figure 8. Siemens ST 40w solar panels 3. Dunasolar DS 40W 72 pieces in four rows (figure 9.) Measured efficiency: 5-9% The operational experiences: vulnerable, complex assembly, 2 items were cracked (there were manufacturing defects). (Hagymássy, 2007)

Figure 9. Dunasolar DS 40w solar panels

19


References Hagymássy Zoltán, Foto-villamos erőmű megvalósítása a Debreceni Egyetem Műszaki Tanszékén. XII. Országos energiatakarékossági konferencia Sopron-Wels (Ausztria). 2007. Hagymássy Zoltán, Fórián Sándor, 2009 Fotovillamos energiatermelő panelek üzemeltetésének tapasztalatai. Debreceni Műszaki Közlemények 2009/1. 83-88. Hagymássy Zoltán, Gindert-Kele Ágnes 2010. Energiatermelő napelemek összehasonlító vizsgálata MTA DAB Műszaki tudomány az Észak Alföldi Régióban. 2010. 101-105. Hagymássy Zoltán, Csatári Nándor, Gindert-Kele Ágnes, 2012 Üzemeltetési tapasztalatok napelemes villamos energia termeléskor. MTA DAB Műszaki tudomány az Észak Alföldi Régióban. 2012. Sulyok Dénes, Megyes Attila, Energiatermelés faültetvényből származó megújuló energiából VI. Agrárágazat 2007. 7. p.9.

20


New trends of mobile Internet in agriculture Róbert Szilágyi 1

Abstract: The new ICT technologies are not only fast developed but, in addition, are giving birth to newer ICT systems and tools. Using the Internet by means of mobile appliances increases the possibilities. The Internet network has become essential communication tools in business processes recently. Nowadays these applications are more and more successful in the following areas: agriculture, different parts of food industry, extension services, precision agriculture, logistics. While studying the use of these new ICT technologies can be concluded that different types of services offer different possibilities. Mobile systems develop very dynamically both as regards the speed of data transmission and services. The new devices like tablets and new services like Cloud Computing, Augmented reality, Near Field Communication (NFC) have great potential in agriculture. Cloud Computing provides better resource management and effective cost control. The Augmented Reality expand the control, the NFC give better personalized information exchange. However, the business assessment of these technologies must not be done only on the basis of the technology and taken out of its environment randomly since the whole area is very complex. Keywords: ICT in agriculture, mobile Internet, Augmented Reality, Cloud Computing, NFC

1. Introduction The development of information technology has had a considerable influence on the agriculture of highly industrialised nations as well. There have emerged a number of new industry-specific technologies and applications over the past few years, including the ever-widening agricultural applications of mobile communication devices and technologies. Further considerable improvement is expected in the use of mobile devices (mobile phones, mobile computers, tablets, etc.). Providing high broadband and mobile Internet access for every individual is also important. According to researchdevelopmental and application trends, as well as forecasts and expectations, these technologies and services are to become widely applied tools in enhancing business innovations and supporting business management. The focus of this research was the new technology and services possibilities are based on mobile Internet.

2. Recent trends in mobile communication Nearly two-third (62%) of the households have fixed-line and mobile phone, 27% have just mobile phone and less than 10% only fixed-line phone in the EU. The rate of the mobile phone is increasing, and the fixed-line phone is still decreasing. Figure 1. According to the OECD Communication Outlook 2011 (OECD, 2011) the total cost of communication is increasing (but the prices of data roaming, voice, services mainly decreasing). In the last 5 years only the communication and health expenses increased more than 20%. Thanks to the EU roaming price reduction, the better market competition and the VOIP, the total communication expenses may be reduced. The Hungarian mobile Internet (3G) subscriptions are increasing. From December 2008 to July 2011 the total subscriptions are increased five times (from 494.320 to 2.639.178). The total data amount in July 2012 was higher than two millions Gbyte (NMHH, 2012).

1

University of Debrecen, Centre for Agricultural and Applied Economic Sciences [email protected]

21


70% 62%

61% 60% 58%

60%

62%

50%

Mobile and fixed-line phone

40%

Only fixed-line phone

30%

22% 25%

20%

18% 15% 14%

10%

3%

0% 2004

3%

2006

3% 2008

25%

27%

Only mobile phone

11%

9%

2%

2%

Neither mobile and fixedline phone

2010

2012

Figure 1. The EU27 phone usage 2005-2011 (Source: Eurobarometer) Mobile operation systems market share 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 2007

Other Palm Windows Mobile BlackBerry Symbian Android iOS 2008

2009

2010

2011

2012

Figure 2. The changes of the smart phones’ operation systems market share (Source: www.netmarketshare.com) The operation systems of the phones take an important role. The Figure 2 shows the market changes. The Android is increasing, the Symbian is decreasing, the Windows Mobile is not changing, the Apple iOS is slightly increasing.

3. New technology and service possibilities In the beginning I would like to highlight those technologies which may be important in the agriculture within few years figure 3. (Gartner, 2011) Internet of Things: It is interesting how the Internet will expand the existing devices and items usability. The possibility of connection may expand the actual function of the device, but also create threats. Image recognition: Image recognition technologies enable to identify objects, buildings, places, people, pests and diseases in the field. Smart phones and tablets equipped with cameras are wellknown and this make possible to use this feature. Near Field Communication (NFC): NFC allows users to make payments by their mobile phone, and also connect devices to each other. The biggest improvement is that this technology also gives

22


possibility to read special “smart tags”. This technology based on RFID, but in this case we don’t need special reader to use it, we can read it by our (NFC enabled) mobile phone. Machine-to-machine communication services: Machine-to-machine (M2M) communication is used for automated data transmission and measurement between mechanical or electronic devices. QR/color code: QR and color codes are high-density, two-dimensional bar codes that are readable by mobile phones and computer cameras with the proper application. Augmented reality (AR) is a live, direct or indirect, view of a physical, real-world environment whose elements are augmented by computer-generated sensory input such as sound, video, graphics or GPS data. As a result, the technology functions by enhancing one’s current perception of reality.

Figure 3. Hype Cycle for Emerging Technologies, 2011 (Source: Gartner, 2011) In the following I would like to highlight three technologies: Cloud Computing, Augmented Reality, Near Field Communication. Cloud Computing The use of cloud computing is getting more and more popular in agriculture also (Hori et al. 2010). The GPS (Global Positioning System) and the 3G (Third Generation Network) are also useable in this case. There are two important parts in knowledge management: data storage and data analysis. The five universal values of cloud computing are the following: • Reduction of initial costs, • Allocation of resources on demand without limit, • Maintenance and upgrades performed in the back-end, • Easy rapid development including collaboration with other system in the cloud, • More possibilities for global service development. To refer to a few examples of these innovations affecting Agriculture and Environmental Sciences: Cloud Computing provides equality in resources management and exploitability. Parallel Computing (Campbell, et al., 2010) brings exponentially increased core processing to low-end computers facilitating the use of huge computer power by small agricultural research units. Augmented reality Augmentation is conventionally in real-time and in semantic context with environmental elements. With the help of advanced AR technology the information about the surrounding real world of the user becomes interactive. Artificial information about the environment and its objects can be overlaid on the real world. Research explores the application of computer-generated imagery in live-video streams as a way to enhance the perception of the real world. AR technology includes head-mounted displays

23


and virtual retinal displays for visualization purposes, and construction of controlled environments containing sensors and actuators. The Augmented reality applications can be divided into two categories: 1. Marker based/Image recognition – using a camera these applications recognize a marker or an image in the real world, calculate its position and orientation to augment the reality. 2. GPS based – these applications take advantages of Global Positioning System [GPS] tools. The applications use the ‘position’ of the phone to find landmarks and any other point of interests [POI]. Once the POI or landmark is revealed the user can get additional information about it or get directions to reach there. Agriculture is a typical area where advanced technology is always introduced later. It is possible that also augmented reality will spread soon. The obstacle of it is its cost but the new applications can accelerate the usage. Below are given a few possible agriculture applications (based on Cupial, 2011). • The research areas and education give great possibilities in AR applications. • Machine (for example tractors) control is also an important field. The combining of existing services (GPS, mobile Internet, mobile devices) are expand the machine usability. • The extended animal tracking, monitoring is important for food safety. • The supported crop production. • Pests’ detection can be automated. • Field data gathering with detailed layered information gives the chance to create precise data. • Place recognition with layered GIS database is make recognition easier. There are existing tractor guidance applications which help to drive and show the treated zone of the field (Santana et al., 2010). The use of AR technology in a tractor guidance system is useful. It allows the tractor driver to see the treated zones in a natural way. The driver does not need to manage maps in his mind. The information contained in the treated zone maps. The system could be used inside the tractor cabin for guidance tasks, but it can also be used outside. Because of the increasing numbers of the development tools (Layar Vision, ARToolKit, D’Fusion Mobile) the applications are become popular. The earlier mobile devices were lack of computing power and memory, but thanks to the recent technical development (faster and 2 or more core processors, more memory, bigger higher resolution screen) these limitation will be reduced. Near Field Communication (NFC) The NFC is created for the mobile devices. This is based on RFID (Radio Frequency Identification), but it is range is only few centimeters with relatively low (424 kbit/s) data transfer. The biggest benefit of it is the possibility of “easy to use” and self-controlled transactions. Recently this technology is used for payment and smart tag. The mobile payment is based on the built in NFC chip. This technology can use for smart tagging, intelligent device control, parking payment, traffic payment, product identifying and tracking. The NFC’s agricultural application possibilities are similar to the RFID, but it is simply and fast. The product and animal tracking are similar application, but we can use it e.g. for machine control, building identification. On the other way we have to highlight the private data collection possibility and the traceability problems. Generally, the costumers do not like to share personal information like at exact time what I did, what I bought, or which is my favorite product.

3. Conclusion Studies of the situation of mobile communication and the new ICT technologies revealed that the international trends show the possibilities of these usage . The mobile devices indicate that both the interest and the potential volume of users are available in agriculture and every chance is there to exploit the opportunity of growth.

24


As regards the devices themselves, they can be said to have increasingly more functions; a development which is ensured by the high level of integration. The earlier shown applications and innovative spread of the wired and the mobile Internet are primarily limited by economic and social factors.

References Campbell, C., Johnson, R., Miller, A., Toub, S. 2010. Parallel Parallel Programming with Microsoft .NETDesign Patterns for Decomposition and Coordination on Multicore Architectures. Microsoft patterns & practices http://msdn.microsoft.com/en-us/library/ff963553.aspx?wa=wsignin1.0 Cupial M. (2011) Augmented reality in agriculture, V International Scientific Symposium "Farm Machinery and Process Management in Sustainable Agriculture" Lublin, Poland, ISBN 83-922409-9-5, pp. 23-24. European Commission Special Eurobarometer 381, E-Communication household survey, 2012 Gartner (2011) Fenn J., LeHong H.: Hype Cycle for Emerging Technologies, 2011, GARTNER Publication Date: 28 July 2011/ID Number: G00215650 Hori M., Kawashima E., Yamazaki T. (2010): Application of Cloud Computing to Agriculture and Prospects in Other Fields, Fujitsu Science Technology Journal, Vol. 46. No. 4. 446-464 p.p. Nemzeti Média- és Hírközlési Hatóság, 2012 Mobil Internet gyorsjelentések OECD Communications Outlook 2011, ISBN 978-92-64-098374, OECD Santana J.F., Gómez J. G., del-Pozo L. S.C. (2010) Design and Implementation of a GPS Guidance System for Agricultural Tractors Using Augmented Reality Technology, Sensors 2010, 10, ISSN 1424-8220 pp. 10435-10447. Voulodimos A.S., Patrikakis C.Z., Sideridis A.B. , Ntafis V.A., Xylouri E.M. (2010): A complete farm management system based on animal identification using RFID technology Computers and Electronics in Agriculture No 70, 380–388 p.p.

25


Labelling and safety of foodstuff, local products, governmental measures, conscious consumerism – what next? Tünde Csapóné Riskó, PhD 1

Abstract. The rapid pace of change in science and technology, changes in legislation and the current socioeconomic and socio-demographic realities have all had a marked impact on the food we buy today. The intensification of farming, such as the use of pesticides, and the industrialisation of food production, using additives and preservatives improve taste, appearance and shelf-life, for example, can be the causes for concern, among many consumers. Globalisation is another driver of change; we have more products to choose from, brought to us from all corners of the world. As a result, food can now be sourced anywhere, sometimes subject to different food quality standards. In the present study legal regulation of food labelling in EU, operation of the RASFF system, currently applied ‘Hungarian product’ trademarks and markings and the relating new Hungarian Product Regulation, the planned measures of the Hungarian Government concerning the VAT of some basic foodstuff are introduced briefly. All these are complemented with consumer behaviour surveys to see how all these considered, accepted, evaluated by consumers. Keywords: labels, trademarks, Hungarian products, conscious consumption

1. Introduction Globalization and its effects can be found almost everywhere. Besides economic globalization, we have to mention environmental, political, cultural and technological globalization, as well. Among the effects of globalization the improvement of international trade, the technological progress, the increasing influence of multinational companies, the strengthening power and influence of international institutions such as the World Trade Organization, International Monetary Fund, and World Bank, greater mobility of human resources across countries, greater outsourcing of business processes to other countries have to be pointed out. The definition of OECD says: The term globalisation is generally used to describe an increasing internationalisation of markets for goods and services, the means of production, financial systems, competition, corporations, technology and industries. Amongst other things this gives rise to increased mobility of capital, faster propagation of technological innovations and an increasing interdependency and uniformity of national markets (http://stats.oecd.org/glossary/detail.asp?ID=1121). As one of the results we can buy even such products that have been produced somewhere on the other side of the world. It is not always clear for the consumers where, how and by whom the product has been produced. For conscious consumers the information provided on the packaging of the product, labels, trademarks can help a lot when making their purchasing decision. Of course there are several other ways to collect the necessary information. For these consumers the origin of the product, the production process, the ingredients, the environmental and social impacts of the production, as well as ethical concerns are really important questions. In our survey we wanted to investigate the opinion, beliefs and everyday practice of Hungarian higher education students in connection with conscious consumption with special emphasis to food consumption. Results and findings are continuously compared to the results and findings of other surveys both in Hungary and abroad. The survey has been placed in a context including the EU’s legal regulation on labeling of foodstuff, introduction of the current local product trademarks in Hungary and the planned measure of the Hungarian Government on reducing the ratio of VAT of some basic foodstuff.

1

Assistant Professor, Department of Commerce and Marketing, Faculty of Applied Economics and Rural Development, University of Debrecen, Debrecen, Hungary

26


2. EU legislation concerning labelling of foodstuff The rapid pace of change in science and technology, changes in legislation and the current socioeconomic and socio-demographic realities have all had a marked impact on the food we buy today. The intensification of farming, such as the use of pesticides, and the industrialisation of food production, using additives and preservatives improve taste, appearance and shelf-life, for example, can be the causes for concern, among many consumers. Globalisation is another driver of change; we have more products to choose from, brought to us from all corners of the world. As a result, food can now be sourced anywhere, sometimes subject to different food quality standards. As a result, food safety knows no boundaries (Special Eurobarometer 354). The Directive 2000/13/EC applies to pre-packaged foodstuffs to be delivered to the final consumer or to restaurants, hospitals, canteens and other similar mass caterers. It does not apply to products intended for export outside the European Union (EU). The labelling, presentation and advertising of foodstuffs must not: (1) mislead the consumer as to the foodstuff’s characteristics or effects; (2) attribute to a foodstuff (except for natural mineral waters and foodstuffs intended for special diets, which are covered by specific Community provisions) properties for the prevention, treatment or cure of a human illness. The labelling of foodstuffs must include compulsory information. The particulars indicated on products must be easy to understand, visible, legible and indelible. Some of them must appear in the same field of vision. The compulsory particulars include: Name under which the product is sold; List of ingredients, which are listed in descending order of weight and designated by their specific name; Quantity of ingredients or categories of ingredients expressed as a percentage; Net quantity expressed in units of volume in the case of liquids and units of mass in the case of other products; Date of minimum durability; Any special storage conditions or conditions of use; The name or business name and address of the manufacturer or packager, or of a seller established within the Community; the place of origin or provenance where failure to give such particulars might mislead the consumer; instructions for use should be included to enable appropriate use of the foodstuff; indication of the acquired alcoholic strength of beverages containing more than 1.2 % by volume of alcohol. The European provisions applicable to specific foodstuffs may authorise making particulars such as the list of ingredients and date of minimum durability optional. These provisions may provide for other compulsory particulars, provided this does not result in the purchaser being inadequately informed. Special provisions apply to: reusable glass bottles and small packaging items or containers; pre-packaged foodstuffs; foodstuffs offered for sale without pre-packaging and foodstuffs packaged on the sales premises at the consumer’s request (http://europa.eu/legislation_summaries/consumers/product_labelling_and_packaging/l21090_en.ht m). There are some amending acts to the Directive detailed above, such as •

Directive 2001/101/EC regulating the definition of meat for labelling purpose, where meat is used as an ingredient in foodstuffs.

27


• • •

•

Commission Directive 2002/67/EC of 18 July 2002 on the labelling of foodstuffs containing quinine, and of foodstuffs containing caffeine Directive 2003/89/EC of the European Parliament and of the Council of 10 November 2003 amending Directive 2000/13/EC as regards indication of the ingredients present in foodstuffs Council Directive 2006/107/EC of 20 November 2006 adapting Directive 89/108/EEC relating to quick-frozen foodstuffs for human consumption and Directive 2000/13/EC of the European Parliament and of the Council relating to the labelling, presentation and advertising of foodstuffs, by reason of the accession of Bulgaria and Romania Commission Directive 2006/142/EC of 22 December 2006 amending Annex IIIa of Directive 2000/13/EC of the European Parliament and of the Council listing the ingredients which must under all circumstances appear on the labelling of foodstuffs (http://eur-lex.europa.eu)

The new EU Regulation 1169/2011 on the provision of food information to consumers considerably changes existing legislation on food labelling including: • • • • •

Nutrition information on processed foods; Origin labelling of fresh meat from pigs, sheep, goats and poultry; Highlighting allergens e.g. peanuts or milk in the list of ingredients; Better legibility i.e. minimum size of text; Requirements on information on allergens also cover non pre-packed foods including those sold in restaurants and cafés.

The new rules will apply from 13 December 2014. The obligation to provide nutrition information will apply from 13 December 2016 (http://ec.europa.eu/food/food/labellingnutrition/foodlabelling/proposed_legislation_en.htm).

3. The Rapid Alert System for Food and Feed The Rapid Alert System for Food and Feed (RASFF) is a quick and effective tool for the exchange of information between competent authorities when risks to human health are detected in the food and feed chain and measures - such as withholding, recalling, seizure or rejection of the products concerned - are taken. This quick exchange of information allows all members of the network to verify immediately whether they are also affected by the problem. Whenever the product is already on the market and should not be consumed, the authorities are then in a position to take all urgent measures, including giving direct information to the public, if necessary. The RASFF network involves the EU Member States, the EEA countries -Norway, Liechtenstein and Iceland-, the EFTA Secretariat coordinating the input from the EEA countries, the European Food Safety Authority (EFSA) and the European Commission as the manager of the system. Since 1 January 2009, Switzerland is a partial member of the system -as far as border rejections of products of animal origin are concerned- after it concluded a veterinary agreement with the EU. The quick exchange of information about food and feed-related risks ensures coherent and simultaneous actions by all RASFF members. This is a major contribution to consumer safety and a concrete and visible result of European integration. Figure 1 shows the notification basis between 2008-2011.

28


Figure 1. Notification basis 2008-2011 Figure 2. 2011 notifications by country type (origin) Source: http://ec.europa.eu/food/food/rapidalert/docs/rasff_annual_report_2011_en.pdf Table 1. 2011 top 10 number of notifications: Number of notifications counted for each combination of hazard/product category/country (by origin)

Source: http://ec.europa.eu/food/food/rapidalert/docs/rasff_annual_report_2011_en.pdf

In 2011, a total of 3 812 original notifications were transmitted through the RASFF, of which 635 were classified as alert, 573 as information for follow-up, 744 as information for attention and 1 860 as border rejection notification. These original notifications gave rise to 5 345 follow-up notifications, representing on average about 1.4 follow-ups per original notification. These figures represent a 13.5 % increase in original notifications and less importantly, a 2.3 % increase in follow-up notifications; resulting in an overall increase of 6.7 %. Figure 2 shows the notifications by country type in 2011. The

29


high ratio of border rejection shows that the EU is quite effectively protected against hazardous food and feed. Table 1 shows the top 10 notifications in 2011. It is also comforting to know that the top 10 hazardous products did not originate from an EU country.

4. Hungarian products, trademarks A survey has been commissioned for the New Hungary Development Programme, according to which 80 percent of those asked check the origin of a product on the packaging and three quarters of them consciously pay attention to buying Hungarian. Participants primarily consider those products to be Hungarian which are made from domestic base material and those which bear a marking. In comparison with last year 40 percent more people made efforts to buy Hungarian products (Czauner, 2011/b). It can be read and heard everywhere nowadays in Hungary that preferring Hungarian products is extremely important for the domestic economy including job retention and job creation, as well. Trademarks ensuring the Hungarian origin of products could be useful for conscious consumers. The question is: can we believe these trademarks? Consumers’ number one source for product information is the packaging. In recent years several Hungarian product lobby organisations were formed who established their own markings, but provide little data on their websites about the criteria of their usage. Not even the Quality Food from Hungary marking requires the usage of Hungarian base material or domestic production facilities (Czauner, 2011/b). Table 1 shows some of these trademarks used currently in Hungary. Szakály also emphasises that there are too many markings referring to quality and origin, and trademarks in the national food market. In addition to this, the criteria are different and can be confusing for consumers (Szakály, 2011). The trade stands united in supporting the Hungarian product regulation. Presently conditions are chaotic and after last year’s parliamentary elections supposed expectations made many manufacturers ‘go national colours crazy’. Several conditions must be met if we want the regulation to achieve its goals: consumers must understand that by buying Hungarian they contribute to the wealthy of the country; without a competitive domestic food industry no regulation can achieve its goals; we need an agricultural sector that is capable and willing to cooperate and innovate in the long run; we need an independent Hungarian agricultural strategy that sets priorities and diversifies the sector (Czauner, 2011/b). In order to solve this problem around the “Hungarian Product” trademarks and facilitate conscious consumer decisions a “Hungarian product” regulation has been worked out. In future, the terms "Hungarian Product", Domestic Product" and "Domestically Processed Product" may be included on the labels of foods on a voluntary basis in Hungary. The use of these categories will not be compulsory, but anyone who includes the term Hungarian Product on his goods must conform to regulations.

30


Table 2 Hungarian product trademarks Logo

Trade mark owner

Agrármarketing Centrum 1998 application, independent jury

Association of 5 organisations 1998 application, professional jury, experts invited by the announcers

Baromfi Termék Tanács 2002 own trademark rules

Prémium Hungaricum Association 2004 application, classified by an expert committee

Magyar Termék Non-profit Ltd.

Method and frequency of control

twice a year, reapplication in every third year

yearly by KERMI and NFH

on the basis of quality control systems continuously

control randomly

once a year, reapplication in every third year

Trademark users

429 products of 86 companies

208 applications, products over 2000

23 companies

61 products of 17 association members

40 product family, products over 250

15 product type of 8 companies

What is it mean by Hungarian product?

distributed only on the Hungarian market

produced in Hungary, more than half of the product value should be produced at home

poultry kept and processed in Hungary, fed by fodder prepared in Hungarian fodder mixing plant

geographically determined, produced on the basis of Hungarian traditions, reflects Hungarian spirit

produced by a company registered in Hungary, final form of the product in Hungary, first place of distribution is Hungary.

At least half of the parents are Hungarian breeds, processed in Hungary, corn used as fodder should originate in more than 30% from Hungarian production

Year of issue Method of classification and award

2006 application, independent quality control committee

Agrármarketing Centrum 2009 application, general requirements of the sector and rules of the trademark appointed experts at least once in a year

Baromfi Termék Tanács 2010 professional control board and rules of the trademark

Alföldi Tej Ltd.

regularly (at least once in a year) and occasional control 9 companies (altogether 300 million egg production) produced by an animal hatched in Hungary, kept in a Hungarian plant, lays in a Hungarian plant, feed by home mixed fodder

during production continuously, daily

Source: Gippert, B. – Veszelka, A., 2010 The Hungarian Product classification, or any other statement that claims the food is of Hungarian origin, may only be included on goods if it has been produced in Hungary using Hungarian ingredients. As such, plant-based foods must have been cultivated in Hungary, plants that grow in the wild must have been collected, treated and packaged in Hungary. Animals used in animal-based products must have been born here and reared and processed within the country's borders; fish must have been caught in domestic waters and wild game need to have been hunted in Hungary. The term Domestic Product may be used on foods if at least 50 percent of its ingredients are Hungarian and every single step of processing has been performed in Hungary. The third category is Domestically Processed Products and includes foods that are processed in Hungary but whose ingredients primarily originate from imports. The Ministry of Rural Development does not specify the use of a compulsory trademark or logo to represent the three categories and the Ministry does not plan to introduce logos or certification trademarks, but encourages the use of civil trademarks that comply with regulations.

31

2010 Trademark Law

own trademark

Hungarian row material, Hungarian producer, company owned by Hungarians, Hungarian employees


Consumers increasingly search for Hungarian products in the shops. Demand for Hungarian foods is increasing, but consumers often find it difficult to find what they are looking for among the different labels and markings, and for this reason the Ministry prepared the Ministerial Decree "on the use of certain voluntary differential markings on foods" last year. The draft regulation serves to provide better information for consumers. In compliance with EU regulations, the Ministry of Rural Development sent the draft of the Hungarian Product Act to Brussels at the end of last year requesting completion of the notification process. The European Union took exception to some points of the document, but this week (press release of 25 July 2012) the Government decided that the new regulations are now fit to pass the EU test and so the regulations will now be introduced onto the Hungarian market (http://www.kormany.hu/en/ministryof-rural-development/news/hungarian-product-regulations-may-come-into-force-on-september-1).

5. Survey on conscious consumption among Hungarian higher education students 5.1. Material and applied methods Higher education students in three towns (Budapest, Gödöllő and Debrecen) were asked to fill in a questionnaire in April-May 2010. Altogether 504 filled in questionnaires were suitable to be processed and evaluated. SPSS was applied for using different statistical methods. As regards the level of education of the respondents: 244 was enrolled at a BSc/BA programme, 231 at a Postsecondary programme and 25 at a Master programme. As regards the place of currents studies of the respondents: 344 studied in Budapest, 120 in Debrecen and 34 in Gödöllő. 5.2. Conscious consumerism in general Respondents to the survey were asked to evaluate how conscious they considered themselves as consumers. As Figure 3. shows, most of the respondents evaluated themselves as average conscious consumers (‘3’ and ‘4’ values). Number of responses 61

62

1 65

2 3

152

4 161

5

Figure 3. Responses to “How conscious consumer are you?” (5=very much, 1=not at all) (Source: own research, 2010) We would like to point out the two extreme locations: Budapest, where the highest ratio of ‘not at all=1’ and lowest ratio of ‘very much=5’ can be found with 19,9% and 11,2% respectively. The other extreme is the ‘county centre’ category, where the lowest ratio of ‘not at all=1’ and highest ratio of ‘very much=5’ can be found with 7,9% and 13,9% respectively. However we also have to point out that the relative standard deviation was 37,5, so the sample is quite heterogeneous and the average (3,16) does not represent the sample correctly. Respondents were asked to evaluate Hungarian consumers as conscious consumers. Figure 4. shows the opinion of the respondents. Responses were a little bit surprising. Although respondents considered themselves as good (4) or fair (3) conscious consumers, they have worse opinion as regards Hungarian consumers. 243 out of 504 believe that Hungarian consumers are only a little bit conscious, and 143 of them thinks that Hungarian consumers are not conscious at all.

32


20 2 143

Number of responses

1 95

no answer very much moderately

243

a little bit not at all I do not know

Figure 4. Responses to “How conscious consumers are the Hungarians?” (Source: own research, 2010) 5.3. Conscious food consumption TÁRKI prepared an analysis to analyse certain aspects of consumer behaviour in the EU, by using data from the 2005 Special Eurobarometer survey on food safety. They report that the most influential factors in the choices of European consumers are quality and price. The elements were chosen by around 40% or more of the respondents. For about a fifth of the consumers, the appearance of the food is important. This is followed by taste, healthiness and family preferences. All the other elements were mentioned by less than 10% of respondents. The pattern of importance for the old member states is almost identical to that for the EU25 as a whole, whereas there are certain discrepancies in the pattern of the newcomers. The element that was most frequently chosen by respondents from the new member states was price (46%). Quality was picked by only 34% (roughly the same as appearance). Taste was chosen by a fifth of the respondents, and 12% mentioned healthiness as a decision factor (Gáti, 2009). A survey was carried out in three towns of the Transdanubian region of Hungary among primary and secondary school pupils on their nutrition habits. In four groups out of the six focus groups ‘shelf life’ was the most important factor when choosing a food. On the second place we can find ‘healthiness’ three times, and ‘quality’, ‘shelf life’ and ‘taste’. On the third place we can find six different factors: ‘ingredients’, ‘taste’, ‘fat content’, ‘appearance’, ‘Vitamin content’ and ‘quality’. The underlined factors were chosen by the secondary school pupils (Fülöp et al., 2009). A survey was carried out by the University of Kaposvár for the request of AMC (Agrarian Marketing Centre) regarding Hungaricum products. They report that consumers would like to support national food production by preferring these products. Almost 80 percent of the respondents would favour traditional Hungarian food products with trademarks. It can also be encouraging that more than half of the respondents (54,8%) would be willing to pay more for traditional Hungarian food. Most of the respondents would accept 10% as extra charge; among them for mineral water and bakery products they would be willing to pay 10% more; while for wine, spirits and Hungarian salamis they would be willing to pay even more (http://www.elelmiszer.hu/cikk/a_hazai_fogyasztok_biznak_a_hungarikumokban). In May 2009 there was a survey among BA students in Budapest, Hungary. They wanted find out the importance of information, labels available on the packaging of foods in consumer decisions. ‘Shelf life’ was the most important (85,2%), it was followed by ‘healthiness’ (82,48%) and ‘high Vitamin and mineral content’ (81,73%). From the other side of the list we can point out ‘organic/bio’ (41,15%), ‘Fair trade’ (40,87%), ‘nutritional content’ 30,99% and ‘calorie table’ 21,6%, it was the least important factor when choosing a food (Dörnyei, 2010). There was a survey in Hungary on consumer preferences regarding the labelling of foodstuff. They investigated what kind of information was searched by consumers on the packaging. The most important information for most of the respondents was price; it was followed by shelf life and name of the product. It is promising that origin is going to more and more important, but at the same time

33


the ratio of consumers searching for markings and trademarks is low (35%). Markings and trademarks are important for 5 consumers out of 10, which is a good tendency in comparison with the low interest. After all these we expected that at least the same ratio of consumers would consider trademarks as authentic. The results were contradictory, only 23% of the Hungarian consumers believe markings, trademarks; the ratio is 87% in Austria. Only a small ratio of consumers would be willing to pay more for products with markings, trademarks. 31,7% of the respondents would be willing to pay more for “Hungarian Products”, 28,2% for the “Quality Hungarian Foodstuff” and 24,3% for the Certified Hungarian Poultry” (Szakály, 2011). A recent market survey by GfK Hungária and Ipsos Zrt. indicates that consumers’ main expectation from products is to be fresh and of good quality, price only comes second since 2003. The Hungarian origin of products is important for 68 percent of shoppers – the same proportion was 52 percent in 2005 (Czauner, 2011/a). Conscious consumers gather information on the ingredients and characteristics of food products, for instance by reading nutritional information on products’ packaging or on the label. According to a 55-country survey by Nielsen, 61 percent of Hungarians only partially (48% was the European average) understand nutritional information indicated on food products (Trade Magazin, 2011. June-July). Hungarians’ main motives for buying food are very different from the European average. Most Hungarians improvise and go shopping when they have run out of something. On the contrary, the majority of consumers in 28 European countries (from the 55 surveyed by Nielsen in the first half of 2011) plan their shopping trips in advance and their goal is to replenish their food stocks. 39 percent of Hungarians said in the survey that they are mainly instigated to go shopping if they have run out of something; 24 percent said they go shopping if one or more important items have become necessary to have in the household. A major factor in this type of consumer behaviour is that many stores are open long hours, even at weekends (Trade Magazin, 2011. Aug-Sept/a ). The survey of Nielsen mentioned above revealed that 47 percent of Hungarian consumers are influenced in their food buying decisions by the price-value ratio of a product. 43 percent cited consumer price itself as the most important factor, while the next crucial element (28%) was if somebody already knew or used the product. Trusting the product came in at 22 percent, followed by promotions or price reductions at 20 percent (Trade Magazin, 2011. Aug-Sept/b). Our respondents were asked to evaluate on a scale of 1-5 how important the listed criteria (price, origin, ingredients, shelf life, producer) are for them when buying a food product. The average results show that price is the most important criteria (4,29), the second one is shelf life (4,11), the third one is ingredients (3,94). The origin and the producer are the least important factors for the respondents with 3,31 and 3,12 averages respectively. Our results cannot be compared to the above cited survey results mainly because of the diverse studied/offered criteria. Price sensitiveness of our respondents and new EU member states that was supported by the TÁRKI report is a common characteristic of these consumers. We also asked our respondents to evaluate on a scale of 1-5 how often they buy food at the listed locations. We offered the following locations: (1) hypermarket/supermarket, (2) small shop, (3) bio shop/bio market, (4) fresh food market and not from the same salesman/producer, (5) fresh food market and always from the same salesman/producer, (6) specialised shops (butcher’s, greengrocery, bakery, etc.). The results show that the sample was quite heterogeneous, so the average results do not represent the sample correctly. The average was the highest (4,17) for the ‘hypermarket/supermarket’ category. It was followed by ‘small shops’ with an average of 3,11, then specialised shops (butcher’s, greengrocery, bakery, etc.) with an average of 2,95. The lowest averages are the following: ‘fresh food market and not from the same salesman/producer’ (2,04), ‘fresh food market and always from the same salesman/producer’, (1,83) and ‘bio shop/bio market’ (1,25). Although we have to point out that the relative standard deviation was high, so the sample was quite heterogeneous and the average does not represent the sample correctly. The relative standard deviation was 25,3 in case of ‘hypermarket/supermarket’, so this is the category where the sample was the most homogenous.

34


6. Measures and planned measures of the Hungarian government Market research makes it evident that buying Hungarian products is increasingly important for shoppers. The Ministry of Rural Development has already drawn up a draft legislation (the Hungarian Product Regulations come into force in September 2012 – the author) on regulating Hungaricum and domestic products. Before Hungary’s accession to the European Union the proportion of domestic food products was high, for instance in 2003 it was 90 percent. Free trade entailed mass import and retailers started competing for buyers with cheap, lower-quality foreign products. As a result of privatisation, many prestigious Hungarian manufacturers with well-known and popular brands were acquired by large international companies. These companies often move production from one country to another. Hungary’s food safety law is Europe’s strictest but since we have been members of the EU this strict regulation mostly refers to products from third countries. Some Hungarian food products are in a favourable position: these received the protected designation of origin (PDO) or the protected geographical indication (PGI) marking from Brussels. It was the goal of the Ministry of Rural Development to create a system where only those products can be marked ‘Hungarian’ that are guaranteed to be Hungarian. It was high time as well because recently manufacturers started marking non-Hungarian products misleadingly. Only those food enterprises fall under the scope of the legislation that operate in Hungary and it affects exclusively those who wish to indicate the origin of their products voluntarily. Consumer trust in food products is vital, so members of the Bonafarm Group pay highlighted attention to only displaying valid information on their products (Czauner, 2011/b). It is a tendency that – among other reasons – because of the high VAT content Hungarian food industry looses it domestic markets and becomes uncompetitive compared to the import products of low VAT countries and to the products of VAT avoiding players. It is a fact on the basis of daily practice – but is can be estimated only – that a considerable part of the Hungarian agronomy operates in the grey-black zone, attracting even those who basically would like to operate legally. The three product boards (poultry, meat and dairy) drafted a proposal on the reduction of VAT in order to increase the competitiveness and stabilize the profitability of the main animal production chains in agreement with the similar objective of the Ministry of Rural Development. On the basis of the proposers’ calculations the decrease in the VAT revenue would be 20,5 billion HUF in the dairy industry, 18,4 billion HUF in the pig industry, 21,6 billion HUF in the poultry industry. The differentiated VAT reduction in the main animal production chains altogether would mean 60,5 billion HUF loss of income in the budget. That is around 0,2 % of the GDP – as identified by professional bodies and from this point of view its effect can be considered as neutral to the budget. They believe that the question is whether in the present futureless situation survival of the Hungarian agriculture, maintaining tens of thousands of work places, establishing legal market conditions and improving the competitiveness of agriculture deserves a state intervention returning in medium term and equals to 0,2% of the GDP (http://inforadio.hu/hir/gazdasag/hir-515344).

7. Questions and main findings On the basis of the introduced secondary data and our primer research among Hungarian higher education students the following findings can be reported: 

Legal regulation concerning the labelling of foodstuff within the EU seems to be precisely regulated.



Due to the effective operation of the RASFF system, it can be stated that consumers within the EU are well protected against hazardous food and feed.



Most of our respondents evaluated themselves as average conscious consumers (‘3’ and ‘4’ values). However we also have to point out that the relative standard deviation was 37,5, so the sample is quite heterogeneous and the average (3,16) does not represent the sample correctly.

35




Roughly half of our respondents believe that Hungarian consumers are only a little bit conscious, and about one third of them thinks that Hungarian consumers are not conscious at all.



As regards food purchase habits of our respondents, the average results show that price is the most important criteria (4,29), the second one is shelf life (4,11), the third one is ingredients (3,94). The origin and the producer are the least important factors for the respondents with 3,31 and 3,12 averages respectively.



The new Hungarian product regulation will hopefully solve the current chaotic situation regarding the use of trademarks and markings emphasising Hungarian origin of products.



The planned measures of the Hungarian government in connection with the VAT of some basic foodstuff seem to be a good idea to increase the competitiveness of the agricultural sector.

For Hungarian consumers price and price-value ratio are the most important criteria when buying food. Origin of the product seems not to be so important for them, although it is clear for them that by favouring Hungarian products they could contribute to the development of the national economy, too. If the price of Hungarian foodstuff was cheaper due to the planned VAT measures, Hungarian origin would be obviously important and favoured by Hungarian consumers.

References Czauner, P. 2011/a. Domestic food products are more valuable. Trade Magazin, 2011. Jan -Feb. 22-25.p. Czauner, P. 2011/b. Egy kis hazai. Trade Magazin, 2011. May. 18-21.p. Dörnyei, K. 2010. Fogyasztói magatartásvizsgálatok az élelmiszeren található információtartalomról – a jelölések, címkék és label használatának elemzése. Marketing és Menedzsment, 44. évf. 2010. 4. sz. p. 26-34. Fülöp, N., Süllős, Gy. ifj., Huszka. P. 2009. A Dunántúlon élő fiatalok táplálkozási szokásainak fókuszcsoportos vizsgálata. Marketing és Menedzsment, 43. évf. 2009. 3. sz. p. 12-16. Gippert, B., Veszelka, A. 2010. Magyar-e a magyar termék? Védjegykörkép. Teszt Plussz Magazin. 2010. JulyAug II. évf. 7-8. sz. 11-15.o. Majority of Hungarians only partially understand label information. 2011. Trade Magazin, 2011. June-July. 8.p. Price-value ratio is decisive when buying food. 2011. Trade Magazin, 2011. Aug – Sept/b. 93.p. The majority of Hungarian consumers mostly improvise when buying food. 2011. Trade Magazin, 2011. Aug – Sept/a. 93.p. Internet: Gáti, A. 2009. Conscious Consumption. An analysis of food purchase and change in consumer behaviour. http://www.tarki.hu/en/research/european_social_report/gati_eng_2009.pdf accessed: 3 September 2011 Special Eurobarometer 354: Food-related risks: http://www.efsa.europa.eu/en/factsheet/docs/reporten.pdf (accessed: 10 September 2012) Szakály, Z. 2011. Mit ér a jelölés, ha magyar? http://www.elelmiszer.hu/friss_hirek/cikk/mit_er_a_jeloles__ha_magyar_ (accessed: 12 September 2012) http://stats.oecd.org/glossary/detail.asp?ID=1121 (accessed: 10 September 2012) http://europa.eu/legislation_summaries/consumers/product_labelling_and_packaging/l21090_en.htm (accessed: 10 September 2012) http://eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri=CELEX:32001L0101:EN:NOT (accessed: 10 September 2012) http://eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri=CELEX:32002L0067:EN:NOT (accessed: 10 September 2012) http://eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri=CELEX:32003L0089:EN:NOT (accessed: 10 September 2012)

36


http://eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri=CELEX:32006L0107:EN:NOT (accessed: 10 September 2012) http://eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri=CELEX:32006L0142:EN:NOT (accessed: 10 September 2012) http://ec.europa.eu/food/food/labellingnutrition/foodlabelling/proposed_legislation_en.htm (accessed: 11 September 2012) http://ec.europa.eu/food/food/rapidalert/docs/rasff_annual_report_2011_en.pdf (accessed: 11 September 2012) http://www.kormany.hu/en/ministry-of-rural-development/news/hungarian-product-regulations-may-come-intoforce-on-september-1 (accessed: 11 September 2012) http://inforadio.hu/hir/gazdasag/hir-515344 (accessed: 10 September 2012) http://www.elelmiszer.hu/cikk/a_hazai_fogyasztok_biznak_a_hungarikumokban (accessed: 12 September 2012)

37


Immigrants and agriculture: application of Data Warehouse and Web-GIS Silvia Vanino 1, Giuseppe Pulighe1, Luca Ruscio1,Iraj Namdarian1

Abstract: The use of foreign workers in Italian agriculture is well established phenomenon from different motivation and the many implications and consequences. The estimates made by INEA through a dedicated research of twenty-year historical series, were up nearly constant from about 23,000 units in 1989 to 190,000 today. Numbers of this magnitude, combined with very different situations in several geographical areas that saw a significant existence of conditions of irregularities and a marked seasonality condition of employment, mean that there is a problem of integration of foreign workers and conditions of illegality and potential social unrest. The need for a more precise and detailed knowledge of the extent and characteristics of the phenomenon in the areas of highest risk is very useful for the implementation of appropriate actions of inclusion, acceptance and security, which are essential for the achievement of conditions of greater legality. For this reason, INEA is realizing the project by analysing the situation in the following regions: Calabria, Campania, Puglia and Sicily where the data warehouse and Web-GIS component helps a fast, on time and online data analysis and reporting . Keywords: data warehouse, business intelligence, Web-GIS, agricultural foreign workers

1. Introduction Italian Institute of Agricultural Economics (INEA) is involved in the project “The employment of immigrants in agriculture in the southern Italian regions” where the goals of the project are the survey on quali-quantitative characteristics of immigrant’s employment in agricultural areas in Italy. The main output of the project is the creation of a Data Warehouse (DWH) and a related Web-based Geographic Information System (Web-GIS) that define the drift of immigrants in agricultural areas in southern Italian regions. A DWH is a repository of integrated information, available for queries and analysis. Data and information are extracted from heterogeneous sources as they are generated. This makes it much easier and more efficient to run queries over data that originally came from different sources. In other words Data warehouse is a database that is used to hold data for reporting and analysis (Anil Rai, 2009). A DWH collects data from multiple heterogeneous operational source systems and stores summarized integrated business data in a central repository used by analytical applications with different user requirements. In the project data are collected from several sources: agro-environmental data, census data and data collected in the study area by some surveyor compiling annually two questionnaires: one quantitative, the other qualitative. To load the data into the Relational Database (RDB) a Graphical User Interface (GUI) was used to allows surveyor to insert data. In this project it was decided to conduct field surveys using online questionnaires for data collection in order to: • avoid errors in data entry: preventive controls have been implemented in SQL (routines, procedures) to validate data-entry; • the continuous refreshments of the data in RDB; • customize, integrate and homogeneous data in a common format; • centralize all data.

2. Data Warehouse One of the main aim of the project is the creation of a DWH and Business Intelligence (BI) system to represent and analyze the specific Key Performance Indicators (KPI) regarding immigration in agriculture for southern Italy.

1

Istituto Nazionale di Economia Agraria (INEA), [email protected]

38


The system is implemented with the following open-source technologies: • RDBMS: MySQL • Tool dB design: MySQL Workbench • Tool ETL: Pentaho Data Integration (PDI o Kettle) • Server system OLAP: Pentaho Mondrian Analysis • Tool scheme OLAP: Pentaho Workbench • Analysis OLAP: Saiku server • Business Intelligence Suite: SpagoBI, Pentaho The performed system has the characteristics to allow users entering data using an interface GUI, to store data in a database and to display graphically and to enable key performance indicators analysis by means of reports and indicators. For the implementation of the Business Intelligence platform a 3 tier architecture data warehouse has been used. A part of the data sources are represented in electronic form and questionnaires and are available online to simplify and integrate data. The system is structured in three steps: data collecton, data management and data analysis. In the first part (Figure 1) users will fill out the questionnaire that is created on-line so as to be uniform and shared by all users, then data relating to the questionnaire are stored in a relational database.

Figure 1. Date Collection Step In management and storage step (Figure 2) the database staging survey is performed and data have passed through an ETL (Extraction, Transformation, Loading) step, where they are integrated, cleaned, validated and finally loaded into a second level of database. Subsequently a normalized relational database call Operation Data Store (ODS) is created, where data will be preserved over time. Relational databases are efficient at managing the relationships between these tables. The databases have very fast insert/update performance because only a small amount of data in those tables is affected each time a transaction is processed. In the third part, data analysis step, a Business Intelligence system is created: data from online questionnaire are integrated from ODS level and data from other INEA’s databases are stocked into the DWH and Data Mart (DM). DWH is realized by a model called “Star Schema” in de-normalized form.

39


Figure 2. Data Management Step After the ETL step by ETL tool, a OLAP and report activities are , building, tabular display, graphics, and interactive data via an online platform carried out.

Figure 3. Business Intelligence Step ODS Survey level, shaped by the Entity Relation (ER) diagram, will be in a normalized form and will define all the entities and relationships to uniform all data with the various standards. Multidimensional models as DWH is represented by multidimensional cube (hypercube), where the events correspond to cells in a cube whose edges are the dimensions of analysis. Therefore it is possible to describe a characteristic by defining multiple aspects or dimensions. To represent the used Multidimensional Model, the “Star Schema” is the simplest and typical style of data warehouse scheme. The Dimensional Fact Model (DFM) has been used to conceptualize “Start Schema” for DWH and DM. Web-portal solution has created as an easy to use, customizable and flexible to access intuitive analytics, report and table ad-hoc data. Analytical processing (On-Line Analytical Processing - OLAP) is an approach to swiftly answer multi-dimensional analytical (MDA) queries by tool OLAP to interactive analysis is used online.

40


Figure 4. Example of table extracted by OLAP

Figure 5. Example of graph extracted by OLAP OLAP tools enable users to interactively analyze multidimensional data from multiple perspectives. OLAP consists of three basic analytical operations: consolidation (roll-up), drill-down, and slicing and dicing. Consolidation involves the aggregation of data that can be accumulated and computed in one or more dimensions. In addition to OLAP, report, table, dashboard data are implemented (Figure 4 and 5).

41


3. Web-GIS A GIS is a system composed of hardware and software used for storage, retrieval, mapping and analysis of spatially referenced (geo-referenced) information. A GIS makes possible overlaying and integrating multi-source data. It helps to discover and visualize new data patterns and relationships that otherwise would have remained invisible. It creates a link between spatial data and their related descriptive information. The literature argues that Web-GIS increases access to geographical data. In fact, Web-based GIS technologies have the potential to extend the sharing of mapping knowledge by serving as technical backbones (Gudes et al., 2009). GIS appeared useful for survey research, because it seems useful to identify position of immigrates in rural areas, and to efficiently help allocate and monitor resources. Geographical visualizations may be helpful for both studying drift of immigrants and helping to study the phenomena of immigration in agriculture. In order to achieve these objectives, a web-based interface connected with DWH and dedicated to census professionals and decision-makers at a regional and national level was developed. This interface includes tools that allow creating dynamically both maps and charts representing current data sets regarding drift of immigrants and agro-environmental aspects. A Web-GIS reproduces the main functions of GIS on a Web-interface: spatial analysis, navigation (zoom, pan), and dynamic creation of map, layer overlaying, and interactive querying. A Web-GIS is a mean to dynamically share and represent spatial information, with a large access (Richard et al., 2005).

Figure 6. Study area on INEA Web-GIS inteface The project achieves a strong linkage between a geographical representation through GIS and the spatial axis of the DWH, in an interactive way. It uses spatial operators in order to take advantage of the spatial nature of data. After data have been geo-referenced, data sets can then be spatially selected on a map, by a single shape selection like region or study areas. Users have also a direct access to spatial aggregations, drilling or other operations on this axis. A lot of Web-GIS platforms have recently emerged (MapServer, ArcIMS, MapXtrem, Alov Map, GeoServer, OpenGeo Suite; etc.), using different displaying technologies, server side or client side mapping. Regarding the interactivity, the database connection abilities and the costs of development, in this project Web-GIS (Figure 6) is developed with the open-source tool OpenGeo Suite 2.5.

42


The OpenGeo Suite is a complete web mapping platform, comprised of multiple components working together in a flexible architecture. OpenGeo makes use of a set of five open source components, each fulfilling a particular functional role: • • • • •

Storage: PostGIS / PostgreSQL spatial database Application server: GeoServer map/feature server Application cache: GeoWebCache tile cache User interface framework: GeoExt / ExtJS User interface map component: OpenLayers.

At the bottom of the OpenGeo architecture there is the DWH. The database and application servers interact via SQL, while the applications servers and user interface layers interact via standard web encodings (XML, JSON, images) over an HTTP transport. A key feature of the OpenGeo architecture is that any component of the architecture can be replaced with other products. In fact, in this project the DWH use MySQL for storage the data, and for user map components, OpenLayers can be swapped with Google Maps, Virtual Earth and other components. This Web-based application allows access to the DWH of the census of immigrants in agriculture. It is a visualization and decision-support tool. Users can click on regions to see county level timeseries graphs, case counts, and total population of immigrants. It was developed according to Web-GIS, Data Warehouse and Data Mining technologies, in order to improve the analysis of the data on immigrants in agriculture, and more generally to provide a decision-making support.

4. Conclusions Aim of the project was to monitor the drift of immigrants between continuous regions or agricultural areas. Using GUI, DWH and Web-GIS it is possible to collect, analyze and visualize in fast way data collected by survey in study area. DWH and Web-GIS are two important tools to manage a lot of data coming from a survey. These tools are oriented to users, allow integrated data without incongruences, are correlated to variable time and not least and are very important for the decision support. DWH require structured data, so it was very important to load data via the interface GUI to prevent errors of data entry and to help a fast, on time and on line data analysis and reporting . All tools used in the project are open-source, they are complete, intuitive and rich in graphical design and free, which is very important for a public institute of research.

References Anil Rai, (2009) - Data warehouse and its applications in Agriculture, Indian Agricultural Statistics Research Institute Library Avenue, New Delhi. Gudes, Ori and Yigitcanlar, Tan and Tal, Yoav and Bar-Lavi, Yaakov (2009) - Innovative cartography standards for Web-GIS portals : case study of the 'Survey of Israel's' Web-GIS Portal. Proceeding of the International Federation of Surveyors (FIG) Working Week 2009 Surveyors Key Role in Accelerated Development, 3-8 May 2009 Richard J., Toubiana L., Le Mignot L., Ben Said M., Mugnier C., Le Bihan–Benjamin C., Jaïs J.P. and Landais P. (2005) - A Web-Based GIS for Health Care Decision-Support. AMIA Annu Symposium Proceedings: 365– 369. Golfarelli, Rizzi, (2006). - Data Warehouse, teoria e pratica della progettazione, McGraw Hill.

43


Az AGROTOPO talaj-adatbázis problémái és egy részletesebb talajtérkép előállításának célja, lehetőségei és lépései Problems with the AGROTOPO soil database and goals, possibilities and steps toward compiling a more detailed soil map Sisák István 1, Benő András 2

Abstract: The 1:100,000 scale agrotopographic map of Hungary and its digital version the AGROTOPO database were completed during the national research project on the agro-ecological potential. They were at the time of their emergence (between 1978 and 1991) internationally recognized achievements of the Hungarian soil research. However, spatial digital soil databases have been developed in the past thirty years tremendously and a broad tool-set has been elaborated to evaluate spatial data, thus (soil) mapping has been less considered as representational pursuit but more and more understood as a process to solve relational problems. By having new and detailed databases and by moving from the static to the dynamic approach, the national soil database must be renewed. For this, digital elevation model, river network database, landscape classification map, soil cover and geological databases and the soil map from 1953 (which is much more detailed than AGROTOPO) should be used as well as polygon disaggregation and multi-scale interpolation methods should be adapted from international literature. This way, a soil map can be produced which could satisfy emerging needs in the economy and the society. Keywords: AGROTOPO, agricultural soil map (1953), highly detailed databases, predictive soil mapping

Összefoglaló: Az agroökológiai potenciál felmérésének részeként készült el Magyarország 1:100.000 méretarányú agrotopográfiai térképe és ennek digitális változata, az AGROTOPO térinformatikai adatbázis. Ezek keletkezésük idején (1978 és 1991 között) a magyar talajtani kutatások nemzetközi szinten is figyelmet keltő kiemelkedő eredményei voltak. Az elmúlt harminc évben azonban a digitális térképi adatbázisok óriási fejlődésen mentek keresztül, és a térbeli adatok feldolgozásának változatos eszköztára fejlődött ki, mely folyamatok eredményeként a (talaj)térképezés feladata már nem elsősorban az ábrázolás, hanem egyre inkább a térbeli folyamatok és összefüggések feltárása. Az új, részletesebb adatbázisok birtokában és a statikus szemlélettől a dinamikus szemlélet felé elmozdulva meg kell újítani az országos talajtérképi adatbázisunkat. Ehhez fel kell használnunk az ország digitális domborzati modelljét, a vízrajzi adatbázist, a kistáj katasztert, a felszínborítási és geológiai adatbázisokat, és az AGROTOPO-nál sokkal részletesebb 1953-as mezőgazdaságai talajtérképet valamint a nemzetközi szakirodalomban publikált poligon felbontási és multiskaláris interpolációs Kulcsszavak: AGROTOPO, mezőgazdasági talajtérkép (1953), nagy részletességű adatbázisok, prediktív talajtérképezés eljárásokat. Csak így állítható elő ismét egy a gazdaság és társadalom részéről megfogalmazódó igényeket kielégítő talajtérkép.

1. Bevezetés A múlt század hetvenes-nyolcvanas éveiben a magyar mezőgazdaság intenzív fejlődésen ment át, és a fejlődés által támasztott igény a mezőgazdasági, benne a talajtani kutatások virágzását is magával hozta. Ekkor történt meg egy új földértékelési rendszer elméleti alapjainak a lerakása (Stefanovits, Máté és Fórizsné, 1972), elkezdődött az ország mezőgazdasági területének az 1:10.000 méretarányú térképezése (Horváth et al., 1989) és ekkor zajlott Magyarország agroökológiai potenciáljának széles tudományos alapokon nyugvó felmérése is (Láng, 1983). Várallyay et al. (1979) erről így ír: ”Egy ország termőhelyi adottságainak értékeléséhez, agroökológiai potenciáljának felméréséhez, természeti erőforrásainak racionális hasznosításához, a mezőgazdasági termelés intenzív irányú növeléséhez, a 1

Sisák István University of Pannonia Georgikon Faculty Keszthely [email protected] 2 Benő András University of Pannonia Georgikon Faculty Keszthely

44


talajtermékenység megőrzéséhez és fokozásához egyaránt nélkülözhetetlen a talajkészletek eddiginél alaposabb, sokoldalúbb és részletesebb megismerése, mennyiségi és minőségi számbavétele.” Ezt a számbavételt az Agrokémiai és Talajtani Kutatóintézet szakemberei végezték (Várallyay és Szűcs, 1978; Várallyay et al., 1979, 1980; Várallyay, 1985). Munkájuk eredményeképpen 84 térképlapon megjelent Magyarország agrotopográfiai térképsorozata (MÉM, 1983-1988) és elkészült ennek a digitális térképi adatbázis változata is 1991-re (MTA ATK TAKI, 2012), majd annak javított változata 1994-re (Magyari, 2005). Ezek az eredmények nemzetközi szinten is figyelmet keltettek, hazánk a környező országokhoz képest kedvező pozíciót vívott ki magának (Tamás, 2005), ami lehetővé tette Magyarország korai bekapcsolódását a fenntarthatóságot szolgáló nemzetközi környezet-informatikai programokba (Várallyay, 1993). A térbeli adatok kommunikációja újabb fejleményeként az AGROTOPO adatbázis is elérhető térképszerveren keresztül (MTA ATK TAKI, 2012). Az agrotopográfiai térképek megalkotása óta azonban eltelt harminc év. Magyarországon is létrejöttek olyan nagy részletességű digitális térképi adatbázisok (Pelikán és Peregi, 2005; FÖMI, 2012a) amelyek alapvetően változtatják meg a térbeli adatokról alkotott felfogásunkat és a társadalom ebből fakadó elvárásait. A nagy térbeli felbontású adatok hozzáférhetősége rohamtempóban javul, az adatok részletessége szinte folyamatosan nő (FÖMI, 2012b) és ez a folyamat életre hívja azt az igényt, hogy a hagyományos adatbázisainkat ezeknek az új adatoknak a segítségével finomítsuk, a valóságot pontosabban leíró térképeket hozzunk létre. A talajtan területén is keresnünk kell a kutató elődök és a gyakorlat által generált nagy térbeli felbontású adatforrásokat (Sisák és Bámer, 2008) és az adatok korszerű feldolgozását lehetővé tevő módszereket (Sisák és Pőcze, 2011; Bakacsi et al., 2012). A megváltozott körülmények mára ismét aktuálissá tették Várallyay et al. (1979) fentebb idézett meglátását. Mindeközben létrejött a digitális talajtérképezés mint önálló tudományterület a nemzetközi tudományos közvélemény élénk érdeklődése mellett, és kialakította a maga fogalom- és eszközrendszerét (McBratney, 2003). A talajtani kutatás jelenlegi szintjén és a gyorsan fejlődő technikai feltételek mellett a (talaj)térképezés feladata már nem elsősorban a statikus ábrázolás, hanem egyre inkább a térbeli folyamatok és összefüggések dinamikus feltárása (Kitchin és Dodge, 2007).

2. Célkitűzés Jelen tanulmányunk során azt a célt tűztük ki, hogy a magyar kutatás számára könnyen elérhető egyes adatbázisok elemzésével és a nemzetközi szakirodalomban a hagyományos talajtérképek felújítására javasolt elemzési módszerek értékelésével rávilágítsunk arra, hogy a statikus szemlélettől a dinamikus szemlélet felé elmozdulva meg kell újítani az országos talajtérképi adatbázisunkat, hiszen erre minden lehetőség adott. Csak ennek a megújított adatbázisnak a birtokában állíthatjuk, hogy megteremtettük a kor igényeinek megfelelő tudományos alapot a nemzeti vidékstratégiában meghatározott (VM, 2012) regionális és szaktanácsadási programok, és különösen a vízminőségi indikátorok teljesítéséhez. Még hangsúlyosabban merül fel a korábbinál sokkal részletesebb talajtérkép iránti igény a kidolgozás alatt álló nemzeti vízgazdálkodási és öntözési stratégia megalapozása és végrehajtása érdekében.

3. Anyag és módszer Tanulmányunkban három digitális térképi adatbázist hasonlítottunk össze, amelyek névleges méretaránya egyaránt 1:100.000. Ezek a keletkezés sorrendjében az AGROTOPO adatbázis (MTA ATK TAKI, 2012) a CORINE 2000 (Coordination of Information on the Environment) felszínborítási adatbázis, rövidítésben gyakran CLC2000_HU (FÖMI, 2012a) és a Magyar Állami Földtani Intézet geológiai adatbázisa (Pelikán és Peregi, 2005), rövidítésben gyakran FDT100. Mindhármat térképszerveren is publikálták. A teljes adatállományra vonatkozóan egyszerű statisztikákat számítottunk, illetve 25 darab egy kilométer sugarú (3,14 km2) véletlenszerűen elhelyezett kör alakú területtel is mintáztuk mindhárom adatbázist annak érdekében, hogy közvetlenül össze tudjuk hasonlítani a térbeli felbontásukat egy digitalizálás alatt álló régebbi mezőgazdasági talajtérképpel (Mattyasovszky, Görög és Stefanovits, 1953). Az egyszerű teszt során megszámoltuk, hogy a mintaterületre hány folt esik és a 25 mintából statisztikai mutatókat képeztünk. Egy korábbi elemzés tapasztalatait is felhasználva (Sisák és Pőcze, 2011) egy Keszthely melletti mintaterület alapján

45


következtetéseket vontunk le a Kreybig-féle országos átnézetes talajismereti térképek (Kreybig, 1937; Ébényi, 1942), az 1953-as talajtérkép és az AGROTOPO származtatási viszonyaira nézve. Vizsgáltuk az AGROTOPO adatbázis teljességét a talajosztályozási rendszerünk első (Stefanovits, 1961) és legutóbbi, rendeletben rögzített változatával (Horváth et al., 1989) összevetve. Ezután a nemzetközi szakirodalom tükrében (Behrens et al., 2010; Brus et al., 2008; Sun et al., 2011; Debella-Gilo és Etzelmüller, 2009; Hengl et al., 2007; Kempen et al., 2009; Moonjun et al., 2010; Grinand et al., 2008; Smith et al., 2010; Stum et al., 2010; Häring et al., 2012) megvizsgáltuk, milyen adatbázisok segítségével és milyen módszerekkel végeztek mások prediktív talajtérképezést, és vizsgáltuk, hogy Magyarországon rendelkezésre állnak-e hasonló adatbázisok.

4. Eredmények Az AGROTOPO kategóriáit a talajosztályozási rendszerünk korai és késői állapotával összehasonlítva megállapíthatjuk, hogy az adatbázis a Magyarországon leírt talajtípusok csaknem harmadát nem tartalmazza (1. táblázat). Ennek a valószínű magyarázata az lehet, hogy aggregált egységek vannak az adatbázisban, amelyek közül a leggyakoribb (legnagyobb területű) alapján kategorizálták a foltot, a kisebb összterületű talaj kategóriák rejtve maradtak a folton belül. Az ilyen típusú kategorizálás olyan szélsőségekhez is vezethet, hogy sokféle talajtípus együttes előfordulása esetén a leggyakoribb sem képvisel többet, mint a folt 25-30 %-át, mivel az összes többi ennél is kisebb részarányú. Optimális esetben persze a „névadó” talaj kategória a folt 90-100 %-ban jellemző. Az 1. táblázatból valószínűsíthető, hogy a komplex poligonok nagyon gyakoriak, csaknem általánosak az AGROTOPO adatbázisban.

1. ábra. Az 1953-as mezőgazdasági talajtérkép és a 25 random minta elhelyezkedése

46


1. táblázat. Az AGROTOPO digitális talajtérképi adatbázisban megjelenő és hiányzó talajkategóriák státus19611 két külön talajtípus talajtípus talajtípus talajtípus talajtípus talajtípus talajtípus talajtípus talajtípus talajtípus talajtípus talajtípus ---------> talajtípus altípus altípus ---------> talajtípus altípus altípus talajtípus talajtípus talajtípus talajtípus talajtípus talajtípus talajtípus nem tartalmazza ----> talajtípus talajtípus talajtípus talajtípus talajtípus

kategória kódja és neve 1. Köves és földes kopárok 2. Futóhomok 3. Humuszos homokos talajok 4. Rendzina talajok 5. Erubáz talajok, nyiroktalajok 6. Savanyú, nem podzolos barna erdőtalajok 7. Agyagbemosódásos barna erdőtalajok 8. Pszeudoglejes barna erdőtalajok 9. Barnaföldek (Ramann-féle barna erdőtalajok) 10. Kovárványos barna erdőtalajok 11. Csernozjom-barna erdőtalajok 12. Csernozjom jellegű homoktalajok 13. Mészlepedékes csernozjomok 14. Alföldi mészlepedékes csernozjom 15. Mélyben sós alföldi mészlepedékes csernozjomok 16. Réti csernozjomok 17. Mélyben sós réti csernozjomok 18. Mélyben szolonyeces réti csernozjomok 19. Terasz csernozjomok 20. Szoloncsákok 21. Szoloncsák-szolonyecek 22. Réti szolonyecek 23. Sztyeppesedő réti szolonyecek 24. Szolonyeces réti talajok 25. Réti talajok 26. Réti öntéstalajok 27. Lápos réti talajok 28. Síkláp talajok 29. Lecsapolt és telkesített síkláp talajok 30. Mocsári erdők talajai 31. Fiatal, nyers öntéstalajok hiányzó talajtípusok** 1. Kavicsos váztalaj 2. Humuszkarbonát talaj 3. Podzolos barna erdőtalaj 4. Karbonátmaradványos barna erdőtalaj 5. Erdőmaradványos csernozjom talaj 6. Kilúgzott csernozjom talaj 7. Szology talaj 8. Másodlagosan elszikesedett talaj 9. Szoloncsákos réti talaj 10. Öntés réti talaj 11. Csernozjom réti talaj 12. Mohaláp talaj 13. Humuszos öntés talaj 14. Lejtőhordalék talaj 1 Stefanovits, 1961; 2Horváth et al.,1989

státus 19892 két külön talajtípus talajtípus talajtípus talajtípus talajtípus talajtípus talajtípus talajtípus talajtípus talajtípus talajtípus változat talajtípus altípus változat talajtípus altípus altípus talajtípus talajtípus talajtípus talajtípus talajtípus talajtípus talajtípus altípus talajtípus talajtípus talajtípus talajtípus talajtípus

a réti öntés altípus szerepel

47


2. táblázat. Három adatbázis összehasonlítása a teljes állományra vonatkozó egyes statisztikákkal, és négy adatbázis összehasonlítása minták alapján

poligonok száma összesen legnagyobb poligon területe km2 átlagos poligon terület km2 poligonok átlagos száma Szórás

AGROTOPO1 talajtérkép19532 CLC2000_HU3 FDT1004 a teljes térképi adatállomány alapján 3 311 39 849 50 163 1 282 7 480 5 723 28,1 2,33 1,86 2 25 db. 3,14 km minta alapján 2,12 3,04 4,04 7,24 0,927 1,428 2,245 5,222

1

MTA ATK TAKI, 2012; 2Mattyasovszky, Görög és Stefanovits, 1953; 3FÖMI 2012a; 4Pelikán és Peregi, 2005

Az 1. ábrán egy korabeli mezőgazdasági talajtérkép látható (Mattyasovszky, Görög és Stefanovits, 1953) raszteres, georeferált állományban, valamint a 25 mintavételi pont, melyek lehetővé tették ennek az állománynak a közvetlen összehasonlítását a vektoros állományokkal. A közvetlen és a minta alapján történt összehasonlításokat a 2. táblázatban mutatjuk be. Az AGROTOPO adatbázis felbontása legalább egy nagyságrenddel kisebb, mint a másik kettő, vektoros adatbázisé. A különbségek a minta alapján is lemérhetők, és megállapítható, hogy az 1953-as talajtérkép is sokkal finomabb mintázatú, mint az AGROTOPO. Ezek a megállapítások is alátámasztják a feltételezést, hogy az AGROTOPO aggregált kategóriákat tartalmaz, és egyben megmutatják annak elvi lehetőségét is, hogy a részletesebb felbontású digitális állományok segítségével az egyszerű kategóriákra bontás valószínűleg lehetséges. Az AGROTOPO poligonjainak a száma sokkal kisebb, mint amit Várallyay et al. (1980) közölt, valószínűleg azért, mert ott a megyékre és agroökológiai körzetekre vonatkozó számítások érdekében átmetszették a foltokat.

2. ábra. Egy Kreybig-talajtérkép lap (Ébényi, 1942) és az 1953-as mezőgazdasági talajtérkép egyezése egy Keszthely melletti mintaterületen A 2. ábrából kitűnik, hogy az 1:25.000 méretarányú országos átnézetes talajismereti térkép vonalait meglepően jól visszaadja az 1:200.000 méretarányú mezőgazdasági talajtérkép rajzolata. Ez alátámasztja azt a korábbi vélekedést (Géczy, 1968), hogy a Kreybig-térképek valós léptéke közel áll az 1:75.000 katonai térképekéhez. Az 1953-as térkép új információt is tartalmaz a Kreybigtalajtérképhez viszonyítva a láptalajok elkülönítésével és azzal, hogy fizikai féleség kategóriákat ábrázol a vízgazdálkodási kategóriák helyett. Megmaradtak viszont a térképen a talajtanilag nem

48


értelmezett vízjárta területek, erdőfoltok és lakott területek. Természetesen a jelenlegi genetikus talajosztályozás kategóriáit nem találjuk rajta, hiszen az csak jóval később alakult ki (Stefanovits, 1961).

3. ábra. Az AGROTOPO adatbázisnak a Keszthelyi-hegység területére eső, túlnyomóan erdővel borított nagy homogén foltja, és a geológiai térkép foltjai A 3. ábra szemléletesen érzékelteti azt, amit a korábbi adatokból is valószínűsíteni lehetett. Az AGROTOPO aggregált foltjai csak a domináns talajtípust rögzítik, de emellett akár elég sok további talajttípus is előfordulhat a domborzattól és a talajképző kőzettől függően. Hasonlót joggal feltételezünk a legnagyobb, Békésben előforduló 1282 km2-es foltról és a többi nagy poligonról is (2. táblázat). A szakirodalom részletes ismertetésére itt nem vállalkozunk, csak összefoglalóan értékeljük a legutóbbi évek publikációit (Behrens et al., 2010; Brus et al., 2008; Sun et al., 2011; Debella-Gilo és Etzelmüller, 2009; Hengl et al., 2007; Kempen et al., 2009; Moonjun et al., 2010; Grinand et al., 2008; Smith et al., 2010; Stum et al., 2010; Häring et al., 2012). A prediktív elemzéshez egy sokkal részletesebb elemzést kell majd végezni, mint amire itt mód és lehetőség nyílik. A futólagos áttekintés is szolgál azonban tanulságokkal. 1. A felszínborítás, a geológiai viszonyok (ideértve a talajvíz hatást is), geomorfológiai és tájbeosztási kategóriák valamint a domborzatból levezetett mutatók a leggyakoribb környezeti változók a predikció során. 2. Minden elérhető talajtani információt felhasználnak, mert ez javítja leginkább a becslés pontosságát. 3. A térképezők által meghúzott határokat óvakodnak felülbírálni csupán számítógépes modellek alapján, de a komplex foltokon belül bátran használják a módszereket. 4. Az egyes talajtípusokra külön-külön modellt alkotnak, amelyekbe gyakran a szakértői véleményeket is beépítik a statisztikai összefüggéseken túl. 5. Az egyszerű vagy többszörös döntési fa módszer egyre nagyobb teret nyer az ilyen típusú munkákban. 6. A ható tényezőket különböző léptékben veszik figyelembe, mert gyakran a szignifikáns összefüggések erősen léptékfüggők. 7. Mind statisztikai, mind tényleges felvételezésen alapuló beválási arányt vizsgálnak.

49


5. Következtetések Az AGROTOPO adatbázis felbontását tekintve nem kompatibilis az egyéb adatbázisokkal. A keletkezése óta eltelt harminc évben megért a frissítésre, tekintve az ország előtt álló feladatokat, és az ahhoz szükséges tudományos támogatás iránti igényt. Az adatbázis aggregált kategóriái felbonthatók lennének kisebb egységekre, hiszen az ehhez szükséges adatbázisok hazánkban is rendelkezésre állnak (digitális domborzati modell, vízrajzi adatbázis, kistáj kataszter, felszínborítási és geológiai adatbázisok, az AGROTOPO-nál részletesebb talajtérképek). Ez azt jelenti, hogy harminc év elteltével ismét vállalkozni kellene arra a szintetizáló munkára, amit az előttünk járó generáció elvégzett. Szerencsére a digitális talajtérképezés gyakorlattá vált a hazai talajtani kutatásban is, és a módszertanban sem kellene járatlan úton elindulni, hiszen az ilyen vonatkozású publikációk gyakoriak az utóbbi években a szakirodalomban.

6. Köszönetnyilvánítás Jelen publikáció a TÁMOP-4.2.2/B-10/1-2010-0025 azonosító számú projekt támogatásával valósult meg.

Hivatkozások Bakacsi Zs., Pásztor L., Szabó J., Kuti L., Laborczi A. 2012. 3D textúra adatbázis létrehozása indikátorkrigeléssel, talajtani és agrogeológiai adatbázisok egységesítésével (Compilation of 3D soil texture dataset applying indicator kriging method, integrating soil- and agrogeological databases) Agrárinformatika / Agricultural Informatics (2012) Vol. 3, No. 1. 46-51. Behrens, T., Zhu, A.X., Schmidt, K., Scholten, T., 2010. Multi-scale digital terrain analysis and feature selection for digital soil mapping. Geoderma 155 (3–4), 175–185. Brus, D.J., Bogaert, P., Heuvelink, G.B.M., 2008. Bayesian Maximum Entropy prediction of soil categories using a traditional soil map as soft information. European Journal of Soil Science 59, 166–177. Debella-Gilo, M., Etzelmüller, B., 2009. Spatial prediction of soil classes using digital terrain analysis and multinomial logistic regression modeling integrated in GIS: examples from Vestfold County, Norway. Catena 77, 8–18. Ébényi, Gy., 1942. Magyarázatok Magyarország geológiai és talajismereti térképéhez. Keszthely. M. Kir. Földtani Int. Budapest. FÖMI 2012a CORINE Land Cover 1:100 000 adatbázis http://www.fomi.hu/corine/clc100_index.html FÖMI 2012b Termékek http://www.fomi.hu/portal/index.php/termekeink Géczy, G., 1968. Magyarország mezőgazdasági területe. Akadémiai Kiadó. Budapest. Grinand, C., Arrouays, D., Laroche, B., Martin, M.P., 2008. Extrapolating regional soil landscapes from an existing soil map: sampling intensity, validation procedures, and integration of spatial context. Geoderma 143 (1–2), 180–190. Hengl, T., Toomanian, N., Reuter, H.I., Malakouti, M.J., 2007. Methods to interpolate soil categorical variables from profile observations: lessons from Iran. Geoderma 140 (4), 417–427. Häring, T., Dietz, E., Osenstetter, S., Koschitzki, Th., Schröder, B. 2012. Spatial disaggregation of complex soil map units: A decision-tree based approach in Bavarian forest soils. Geoderma 185–186 (2012) 37–47 Horváth B., Izsó I., Jassó F., Király L., Parászka L., Szabóné Kele G., 1989. Útmutató a nagyméretarányú országos talajtérképezés végrehajtásához. Melioráció-öntözés és talajvédelem. Agroinform. Budapest Kempen, B., Brus, D.J., Heuvelink, G.B.M., Stoorvogel, J.J., 2009. Updating the 1:50,000 Dutch soil map using legacy soil data: a multinomial logistic regression approach. Geoderma 151, 311–326. Kitchin, R., Dodge, M., 2007. Rethinking maps. Prog. Hum. Geogr. 31, 331-344. Kreybig, L., 1937. A M. Kir. Földtani Intézet talajfelvételi vizsgálati és térképezési módszere. Budapest Láng I. (1983) A magyar mezőgazdaság agroökológiai potenciálja az ezredfordulón. Mezőgazdasági Kiadó. Budapest.

50


Magyari J. 2005. Térinformatikai módszerek alkalmazása az agrár-környezetgazdálkodás és a vidékfejlesztés területén. PhD értekezés. Szent István Egyetem. Gödöllő Mattyasovszky J., Görög L., Stefanovits P., 1953. Mezőgazdasági talajtérkép 1:200.000. Tervgazdasági Könyvkiadó, Budapest McBratney, A., Mendonca-Santos, M.L., Minasny, B., 2003. On digital soil mapping. Geoderma. 117, 3–52. MÉM 1983-1988. Magyar Népköztársaság: agrotopográfiai térkép 1:100 000. [Budapest] : MÉM Országos Földügyi és Térképészeti Hivatal; 1983-1988. 84 térképlap 51 x 66 cm Moonjun, R., Farshad, A., Shresha, D.P., Vaiphase, C., 2010. Artificial Neural Network and Decision Tree in Predictive Soil Mapping of Hoi Num Rin Sub-Watershed. In: Boettinger, J.L., Howell, D.W., Moore, A.C., Hartemink, A.E., Kienast-Brown, S. (Eds.), Digital Soil Mapping. Bridging Reasearch, Environmental Application, and Operation. Springer, pp. 151–163. MTA ATK TAKI 2012 www.mta-taki.hu/osztalyok/gis-labor/agrotopo Pelikán P., Peregi Zs. (szerk.) 2005: Magyarország földtani térképe 1:100 000,© Magyar Állami Földtani Intézet http://mafi-loczy.mafi.hu/Fdt100/ Sisák I., Bámer B., 2008. Hozzászólás Szabó, Pásztor és Bakacsi „Egy országos, átnézetes, térbeli talajinformációs rendszer kiépítésének igénye, lehetőségei és lépései” című cikkéhez. Agrokémia és Talajtan, 57(2) 347–354. Sisák I., Pőcze T., 2011. A talaj fizikai féleségre vonatkozó adatok harmonizálása egy Balaton környéki mintaterületen, Agrokémia és Talajtan, 60(1) 259-272. Smith, S., Bulmer, C., Flager, E., Frank, G., Filatow, D., 2010. Digital soil mapping at multiple scales in British Columbia, Canada. Program and Abstracts, 4th Global Workshop on Digital Soil Mapping, 24–26 May 2010, Rome, Italy, p. 17. Stefanovits P., Máté F., Fórizs J.-né 1972. A földértékeléstalajtani alapjai és természettudományi vonatkozásai. Kísérletügyi Közl., LXV/A. Növénytermesztés, 1-3. 19-29. Stefanovits P. Magyarázat Magyarország genetikus talajtérképéhez. Országos Mezőgazdasági Minőségvizsgáló Intézet. Budapest. 1961. Stum, A.K., Boettinger, J.L., White, M.A., Ramsey, R.D., 2010. Random Forests Applied as a Soil Spatial Predictive Model in Arid Utah. In: Boettinger, J.L., Howell, D.W., Moore, A.C., Hartemink, A.E., KienastBrown, S. (Eds.), Digital Soil Mapping. Bridging Reasearch, Environmental Application, and Operation. Springer, pp. 179–190. Sun, X.L., Zhao, Y.G., Zhang, G.L., Wu, S.C., Man, Y.B., Wong, M.H., 2011. Application of a Digital Soil Mapping Method in Producing Soil Orders on Mountain Areas of Hong Kong Based on Legacy Soil Data. Pedosphere 21 (3), 339–350. Tamás J. 2005. Az EU Vízügyi Keretirányelveinek megvalósíthatósága és hatása a regionális agrárkörnyezetvédelemre. AVA 2: Agrárgazdaság, Vidékfejlesztés, Agrárinformatika Nemzetközi Konferencia (International Conference on Rural Development and Informatics) Debrecen, 2005. április 7-8. http://www.avacongress.net/ava2005/presentations/plenary_III/5.pdf Várallyay Gy., Szűcs L. 1978. Magyarország új 1:100.000 méretarányú talajtérképe és alkalmazási lehetőségei. Agrokémia és Talajtan 27. 267-288. Várallyay Gy., Szűcs L., Murányi A., Rajkai K., Zilahy P. 1979. Magyarország termőhelyi adottságait meghatározó talajtani tényezők 1:100.000 méretarányú térképe I. Agrokémia és Talajtan 28. 363-384. Várallyay Gy., Szűcs L., Murányi A., Rajkai K., Zilahy P. 1980. Magyarország termőhelyi adottságait meghatározó talajtani tényezők 1:100.000 méretarányú térképe II. Agrokémia és Talajtan 29. 35-76. Várallyay Gy. 1985. Magyarország 1:100.000 méretarányú agrotopográfiai térképe. Agrokémia és Talajtan 34. 243-248. Várallyay, Gy. (1993). Soil data bases for sustainable land use-Hungarian case study. In: Soil Resilience and Sustainable Land Use (Eds.: Greenland, D.J. and Szabolcs, I.) 469- 495. CAB International. Wallingford. VM 2012 vhttp://videkstrategia.kormany.hu/download/4/37/30000/Nemzeti Vidékstratégia.pdf

51


Hierarchikus markov folyamatok alkalmazása a sertéstartás döntési folyamataiban Application of the hierarchic markovian decision processes in the decision making processes of pig keeping Kovács Sándor 1, Balogh Péter 2

Absztract: Jelen tanulmány keretén belül tárgyaljuk a Markov láncokon alapuló Markov döntési folyamatokat, valamint ezek továbbfejlesztett változatát, a Hierarchikus Markov Folyamatokat. Részletesen leírjuk ezen folyamatok optimalizációs lehetőségeit, valamint ismertetünk egy dán kutatók által kifejlesztett, e folyamatokon alapuló ingyenes szoftvert, melyet kifejezetten állattenyésztési döntések támogatására alkottak. A számos lehetőség közül a koca nevelési és vehmesítési modellt mutatjuk be. Megadjuk a program futtatásához szükséges alapparamétereket, beállításokat, valamint egy szimulált telep összes kocájára érték iterációval kiszámítjuk az elérhető jövedelmet és a kocánkénti döntések sorozatát. Bemutatjuk annak a lehetőségét, hogy az eredmények alapján hogyan dönthetünk például olyan kérdésekről, hogy termelésben tartsuk-e az állatot, vagy ne, illetve hányszor érdemes termékenyíteni a kocát az élete folyamán. Példát adunk a kapcsolódó relatív hasznosságok alakulására, ha adott döntést hozunk egy másikkal szemben. Kulcsszavak: Markov folyamatok, koca modell, vemhesítés, gazdaságosság

1. Bevezetés A mikroszámítógépek elterjedése megnövelte az informatika jelentőségét az állattenyésztésben is, különösképpen az információs és döntéstámogató rendszerek kifejlesztésében. A döntéstámogató rendszerek állattenyésztésben történő alkalmazása még a fejlett országokban sem éri el a szakemberek által megkövetelt szintet, ezért ez egy kedvelt és visszatérő téma az informatikai konferenciákon. A tervezés bonyolultsága szükségessé teszi matematikai módszerek kifejlesztését, alkalmazását a vizsgált problémák megoldásának megkönnyítésére. Erre a célra a mezőgazdaságban számos matematikai módszert vettek már igénybe, mint például a hálótervezés, a lineáris programozás, függvény analízis és a matematikai statisztika (Audsley et al., 2001; Nagy, 2009). Ezek az analitikus módszerek az optimális megoldásra törekszenek, ezért azonban árat kell fizetnünk. A lineáris programozás esetében nagy kötöttséget jelen az, hogy lineáris összefüggéseket keresünk, és ezzel leszűkítjük az alkalmazás területeit. A járhatóbb út a valóság modellezése úgynevezett szimulációs kísérlettel, mely nagyobb rugalmasságot biztosít és kiszélesíti a felhasználás körét. A szimulációs módszer elsősorban nem optimalizációs eljárás, de az általunk bemutatott módszer, amely a dinamikus programozásból nőtte ki magát beépített optimalizációs modullal is rendelkezik. Jelen tanulmány keretén belül bemutatjuk a Hierarchikus Markov Folyamatok részletes módszertanát, azok optimalizációs lehetőségeit, valamint ismertetünk egy dán kutatók által kifejlesztett, ingyenes szoftvert, melyet kifejezetten állattenyésztési döntések támogatására alkottak. A számos lehetőség közül egy alapvető problémát tárgyalunk, a kocák vemhesítésének problémáját. A program bemutatása során a módszertanban bemutatott fogalmakra támaszkodunk.

2. Történeti áttekintés A dinamikus programozás módszertanát először Bellman publikálta. (Bellman,1957). A könyvben a szekvenciális döntési problémák megoldására szolgáló, új numerikus módszert adott közre, melynek fő elemei a „Bellman-féle optimalitási követelmények” és a funkcionális egyenletek. Az első művét követően Bellman még számos más könyvet adott ki a témában (Bellman, 1961), (Bellman and Dreyfus, 1962), (Bellman és Kalaba, 1965). A dinamikus programozásról sokan azt tartották, hogy egy triviális számolási eszköz, mások túlságosan sokra értékelték. Később azonban igazolódott, hogy sem triviális, sem pedig a valós élet problémáinak széles köre nem oldható meg vele. Fő eleme a dinamikus 1 2

Debreceni Egyetem, [email protected] Debreceni Egyetem, [email protected]

52


programozásnak a szekvenciális megközelítési mód, ami azt jelenti, hogy a sorozatos döntési problémákra illeszkedik leginkább. A legnyilvánvalóbb példa sorozatos döntési problémákra az állattenyésztési ágazatban az állat selejtezésének, illetve új kocasüldő beállításának folyamata, valamint az inszeminálás, vemhesítés és orvosi ellátás. A módszer azért is releváns az állattenyésztési problémákra, mert az állat jellemzőit (pl.: alacsony vagy magas hozam, megtermékenyülési képesség, alomszám, stb.) valószínűségekkel becsülni tudjuk, és döntéseink a jellemzők aktuális megfigyeléseire vonatkoznak. A dinamikus programozás Markov folyamatokkal történő összekapcsolását Howard dolgozta ki (Howard, 1960). A két módszer kombinálásával jött létre a Markov döntési folyamat (MDF) fogalma, melyet szintén Howard vezetett be. Ő ismertette a politika iterációt, és az érték iterációs technikát is, amellyel az MDF optimalizálható. A politika iterációt két optimalitási kritérium miatt fejlesztették ki, nevezetesen a teljes időhorizontra vonatkozó, elvárt diszkontált jövedelem és az elvárt átlagos időszaki jövedelem maximalizálására. Később Jewell mutatta be a politika iterációt az átlagos jövedelem maximalizálására a teljes időhorizonton, és semi-Markov döntési folyamatnak nevezte (Jewell, 1963). Ez egy olyan MDF, amelyben az időszakok hosszai véletlen változók. Howard az értékiterációra is kidolgozta a semi-Markov döntési folyamatokat (Howard, 1971). A teljesség kedvéért megjegyzendő, hogy a lineáris programozás módszerét már az említett két optimalizációs technika előtt alkalmasnak tartották az MDF-ek optimalizálására (Hadley, 1964), de semelyik állattenyésztési modellben nem alkalmazták a kutatók ezt a technikát, mivel a politika iteráció hatékonyabbnak bizonyult a lineáris programozásnál. Howard 1960-ban publikált könyve után számos olyan kutatás látott napvilágot, amely az optimalizációs technikák és az optimalitási kritériumok kapcsolatát vizsgálta (Wal and Wessels, 1985). Az MDF-es alkalmazások domináns területe az állatok utánpótlásának, selejtezésének a problémája összekapcsolva az orvosi kezelésekkel és az inszeminálással. Az eddigi módszertani fejlesztések nagy részét Kristensen és Jorgensen (1995) publikálta. Az alkalmazások 3 fő nehézsége a változékonyság, reproduktív ciklusok, korlátok (például a malacnevelő képesség határai, vagy a véges elhelyezési kapacitás). Az első két nehézséget leküzdi az MDF, az utóbbin pedig nem lehet változtatni.

3. Anyag és módszertan 3.1. Markov lánc A Markov döntési folyamatok alapja a Markov lánc fogalma, ezért megértésükhöz feltétlenül szükség van néhány alapvető fogalom tisztázására a Markov láncok elméletéből. A Markov lánc a sztochasztikus folyamatok speciális típusa. Egy diszkrét idejű sztochasztikus folyamatot akkor nevezünk Markov láncnak, ha a P ( X t +1 = it +1 | X t = it ) feltételes valószínűség fennáll. Mindez azt jelenti, hogy a t+1-edik időszak állapotának valószínűségeloszlása a t-edik időszak állapotától függ, de nem függ azon korábbi időszakoktól a láncban, amelyeken már áthaladt a folyamat. Ebben az értelemben általánosan feltehetjük, hogy minden i és j állapotra minden t időszakban fennállnak a P ( X t +1 = j | X t = i ) = pij és P( X t +1 = j | X t = i ) valószínűségek és ezek csak t-től függnek. A pij jelöli annak a valószínűségét, hogy az adott rendszer a t időszakbeli i-edik állapot után a t+1-edik időszak j-edik állapotába kerül. Innen ered p-re az átmenet valószínűség elnevezés is. Továbbá azok a valószínűségek, amelyek az első időszak i-edik állapotának bekövetkezésére vonatkoznak, azok a kezdő valószínűségeloszlások, jelük qi . Így P(X 1 = i) = q 1. Végül minden t időszakbeli i állapotra teljesül a következő egyenlet:

∑

j

P( X t +1 = j | X t = i ) = 1

Ebből az is következik, hogy az átmenet valószínűségek alkotta mátrix elemei nemnegatívak, és minden sorösszeg 1-et ad. A pij valószínűségeket gyakran csak egylépéses valószínűségeknek nevezik, mivel a t időszakból t+1-edik időszakra térünk át. Szokásos erre a pij (1) jelölést használni. Minden Markov lánccal megoldható problémánál az a kérdés merül fel, hogy mi a valószínűsége annak, hogy j állapotban lesz a folyamat n lépés múlva, ha jelenleg az i-edik állapot jellemzi. Markov

53


lánc esetén a stacionaritását használjuk ki, ami azt jelenti, hogy a valószínűségek függetlenek t időszaktól. Ebből az adódik, hogy:

P ( X t +1 = j | X t = i ) = P ( X n = j | X 0 = i ) = pij (n) ahol

a pij (n)

az

úgynevezett

n

lépéses

valószínűség.

Természetesen

pij (1)= pij

és

pij (2) = ∑k pik ⋅ p kj . pij (2) az ij-edik eleme a P2 mátrixnak, ahol P= pij (1) az átmenet valószínűségek mátrixa. Általánosan pedig pij (n) az ij-edik eleme a Pn mátrixnak. Általában a legtöbb Markov lánc esetén többnyire létezik a π = (π 1 , π 2 ,..., π n ) vektor (Barbour, 2004):

lim n→∞

π 1 π 2 π π 2  1 n P = . .  . . π 1 π 2

. . πs . . π s  . . .   . . .  . . π s 

vagy másképpen: lim n→∞ p ij (n ) = π j . Ez azt jelenti, hogy a Markov lánc állandósul a j-edik állapotban π j valószínűséggel, s ez független

a kiinduló állapottól. A π vektor a Markov folyamat egyensúlyi eloszlása. Két módja is van az egyensúlyi eloszlás megtalálásának. Az egyik mód az, hogy az átmenet valószínűségi mátrixot önmagával tetszőlegesen sokszor összeszorozzuk. A másik út pedig az egyenletrendszerekkel történő meghatározás. A P átmenet valószínűség mátrix elemei képezik az egyenletrendszerek ismeretlenjeinek együtthatóit, az ismeretlenek a vektor elemei, az egyenlet jobboldalán szintén a π vektor elemei állnak. 3.2. Markov döntési folyamatok Legyen adott egy rendszer, amelyet véges vagy végtelen időhorizonton figyelünk meg. Az időhorizont periódusokra vagy időszakokra osztható. Minden egyes időszakban a rendszert adott állapotában figyeljük meg és szükség szerint beavatkozunk. A döntés vagy determinisztikusan vagy sztochasztikusan befolyásolja az állapotot, amelyet a következő időszakban figyelünk meg. A rendszer állapota és az időszak függvényében egy ennek megfelelő jövedelmet érünk el. A teljes elvárt jövedelmet az adott időszaktól kezdve egészen a tervezési időhorizont végéig egy úgynevezett értékfüggvény adja meg. A kapcsolatot az adott időszak értékfüggvénye és a következő időszak számított értékfüggvénye között a funkcionális egyenletek adják meg. Az optimális döntés, amely az időszaktól és az állapottól függ, úgy határozható meg, hogy lépésről lépésre visszafele haladva maximalizálni kell a funkcionális függvény jobboldalát. Legyen adott egy diszkrét Markov döntési folyamat egy véges állapottérrel, U={állapot i=1,2,…,u} és egy véges D döntési halmazzal. Az s politika pedig egy döntési fa, speciális elrendezés, amely minden egyes i állapothoz egy döntést rendel, tehát s(i)=d ∈ D . Legyen pij az i állapotból j állapotba kerülés d

úgynevezett átmenet valószínűsége, amikor d ∈ D döntést hoztuk. A d döntés által nyerhető d

jövedelem i állapotban ri . A két átmenet közötti időintervallumot időszaknak nevezzük. Néhány modell az mi

d

fizikai mennyiséget (egy anyakocára jutó alomnagyság, vagy életteljesítmény) is d

d

tartalmazza i állapotban d döntéstől függően (Kristensen,1991). A pij , ri , mi jelölések mellett pij d

s

s

s

, ri , mi jelölés is használatos és elfogadott, ha s(i)=d. Az optimális politika maximalizál egy előre definiált célfüggvényt. Az optimalizációs technika függ a célfüggvény alakjától, amelyet másképpen optimalizációs kritériumnak is neveznek. A kritériumok megválasztása attól is függ, hogy az időhorizont véges-e, vagy végtelen.

54


3.3. Optimalizálási kritériumok Tegyük fel, hogy adott T időszak, tehát véges időhorizonton mozgunk, és a teljes időhorizontra vonatkozó, várható jövedelmet maximalizálni akarjuk. Ekkor a következő célfüggvényt alkalmazzuk: T

Hozam1 ( si ,..., sT ) = E (∑ rI i i ), s

i =1

Ahol az „E” a várhatóérték, s i az i-edik időszaki politika, I i pedig a nem ismert állapota az i-edik időszaknak. Lehetőségünk van azonban olyan függvényt is megadni, amely diszkontálva tartalmazza az összegeket. Ez azt jelenti, hogy jelenértékben számoljuk a későbbi elvárt jövedelmet. Ekkor a függvény az alábbi alakot ölti:

  1  i −1 T si Hozam2 ( si ,..., sT ) = E   rI i   1 + R  ∑ i =1 

 ,  

ahol az „R” a piaci kamatlábat jelöli. Amikor végtelen időhorizonton mozgunk, nem ismert előre az időszakok sorozatának vége, akkor is számolhatunk a hozam 2 függvénnyel, a hozam 1 függvényt pedig nem használhatjuk. Mivel a diszkontálási tényező egynél kisebb, ezért az időszakok végtelenbe tartása esetén az egy fix értékhez konvergál. A hozam 2 függvény másik elnevezése a diszkontált kocánkénti nettó jövedelem. Amennyiben egyenlő hosszú időszakokkal dolgozunk, kiszámíthatjuk az időszakonkénti átlagos nettó jövedelmet is. u

Hozam3 ( s ) = ∑ π i ⋅ ri , s

s

i =1

Ahol π i az állapot bekövetkezésének állandósult valószínűsége az s politika mellett. Ugyanezzel a jelöléssel már szerepelt a Markov láncok fogalmai között. Korlátozó tényezők – mint például az alomnagyság – modellbe építése esetén a legalkalmasabb kritérium megadható a következő függvénnyel (például akkor, mikor az egy malacra jutó átlagos elvárt jövedelmet szeretnénk maximalizálni): s

 u s s  ∑ π i ⋅ ri Hozam4 ( s ) =  iu=1  s s  ∑ π i ⋅ mi  i =1

  ,   

s

ahol mi az egy fialásra jutó malacok száma db-ban az i-edik állapotban az s politika mellett. Amikor a hozam 3 függvény alkalmazható, akkor a hozam 4 is alkalmazható, illetve a hozam 4 speciális esete a hozam 3 függvény. Ezek a függvénytípusok Kristensen munkájában találhatók meg (Kristensen, 1996). 3.4. Az alkalmazható optimalizációs technikák

Érték iteráció Kiválóan alkalmazható módszer véges időtáv esetén. Az optimális politikát az alábbi függvényegyenlőség rekurzív használata adja meg (Kristensen,1996): u  d  d f i (n) = max ri + β ∑ pij f j (n − 1) , i=1,…, u, d j =1  

Ahol a d döntés maximalizálja a jobb oldalát az egyenlőségnek ott van optimum az i állapotban a kérdéses időszakban. Az f i (n) a teljes időhorizontjára vonatkozó, várható diszkontált jövedelme, amely i állapotban kezdődött és tart n időszakon keresztül, mielőtt lezárul. Az f i (0) egy kiinduló értéke a rendszernek, amikor az az i állapotban van. Minden időszakban egy optimális politikát

55


választunk a fenti egyenlőség alapján. A hozam 1 célfüggvény használata esetén a β = 1 teljesül az egyenlőségben, egyébként pedig β a diszkontálási tényezőt jelenti. Végtelen időtáv esetén az érték iteráció arra használható, hogy megközelítse az optimális politikát. Belátható, hogy a hozam2 célfüggvény végtelen időtávú változóval történő használata mellett lim f i (n ) = f i , i=1,…,u, n →∞

f i fix i-re konstans érték. A fenti egyenlőség alkalmazása esetén előbb utóbb megfigyelhetjük, hogy az f i (n + 1) egy idő után majdnem egyenlő lesz f i (n) -nel bármely i indexre. ahol az

Továbbá ugyanaz a politika adódik számos időszakon keresztül. Ebből már tudhatjuk azt, hogy ez már az optimális politika. Mivel a hozam 3 célfüggvény egy speciális esete a hozam 4 célfüggvénynek, ezért a kritériumot megadhatjuk csak a hozam 4 célfüggvénnyel is. Ebben az esetben az f i (n) a várható jövedelmet jelöli, amikor a folyamat egy kezdő időszak i állapotától addig tart, amíg n egység fizikai mennyiséget elő nem állítottunk. Az optimális politika ezen n egységnyi output előállításához megadható az alábbi rekurzív formulával (Kristensen,1996): u   nr d    d d d  f i (n) = max a i d + f i (0)  + (1 − a) ri + ∑ pij f j (n − mi )  , n=1,… d j =1      mi

1 Ahol a =  0

mi ≥ n d

mi < n d

Minden azon a feltételezésen alapszik, hogy az

ri

d

mi

d

mutató (jövedelem/kibocsátás) konstans marad az d

egész időszakban. Ha n értéke elég nagy, akkor a=0 adódik. Howard (1971) tanulmányában az mi az időszak várható hosszaként értelmezett paraméter. Így a hozam 4 függvény az időszakonkénti elvárt jövedelemként fogható fel.

Politika iteráció A politika iterációt végtelen időtáv esetében használhatjuk. Ellentétben az érték iterációval, a politika iteráció mindig optimális megoldást szolgáltat. Kombinálható mind a hozam2 függvény s

végtelen időtávos változatával, mind a hozam 3 és a hozam 4 függvénnyel. Az f i a várható jövőbeli jövedelme a folyamatnak, ha az s politikát követjük és a Hozam2 végtelenített változatát alkalmazzuk. s

A Hozam 3 függvény és a Hozam 4 függvény alkalmazásával az f i az i állapot relatív hasznosságát jelenti s politika mellett. s

Az f i a várható jövőbeli jövedelme a folyamatnak, ha az s politikát követjük és a Hozam2 végtelenített változatát alkalmazzuk. A Hozam3 függvény és a Hozam 4 függvény alkalmazásával az s

f i az i állapot relatív hasznosságát jelenti s politika mellett. 3.5. Hierarchikus Markov folyamatok Kristensen dán professor a Markov döntési folyamatok alapján fejlesztette ki a Hierarchikus Markov folyamatok (HMP) technikáját, amely lehetővé teszik, hogy nagy állapotterű (akár 6,8 millió állapotból álló) rendszerekkel dolgozzunk (Houben et al., 1994; Kristensen, 2004a). A HMP alkalmazása ugyanakkor nem zárja ki az érték iteráció és a politika iteráció alkalmazását. A Markov döntési folyamatok sorozatát részfolyamatnak nevezzük a HMP-n belül, amelyet szintén egy Markov döntési folyamatba ágyaztunk be, amelyet pedig a alapfolyamatnak nevezünk. Az alapfolyamat lehetséges állapotai meghatározzák a részfolyamatok állapotait. Az alapfolyamat állapotai adott tulajdonságaira vonatkoznak, amelyek az állatok között változnak, de ugyanazon állatra vonatkozóan konstansnak tekinthetőek a vizsgálat ideje alatt (pl. genetikai helyzet, tartásmód, stb.).

56


Azok a tényezők, amelyek az idő függvényében változhatnak, a részfolyamatok állapotváltozóiként szerepelnek a modellben. Minden részfolyamat véges számú időszakokból (stages) áll (ezek lehetnek például az állat életének különböző életszakaszai). Az alapfolyamat állapotaiból származó hozamot a részfolyamatokból származó hozam határozza meg. A modellezett szituációtól függően a HMP úgy határozza meg az optimális döntési stratégiát, hogy egy megfelelő, előre definiált függvényt maximalizál. Lehetőség van a fialásonkénti átlagos jövedelem, vagy az átlagos jövedelem/malac vagy az átlagos elvárt teljes diszkontált jövedelem kiszámítására is.

4. Eredmények A HMP-ket modellező programot Kristensen dán professzor készítette el (Kristensen, 1996). A program egy saját fejlesztőfelületet kínál fel (1. ábra), amelyben tetszőlegesen szerkeszthetünk folyamatokat, alfolyamatokat, állapotokat, de beépített modellek is rendelkezésünkre állnak. A tanulmányunkban egy ilyen beépített modellt (az un. koca modell) ismertetünk, amelyek állatok életét szimulálják. A kocák esetén a megoldandó probléma a termékenyítés kérdése. Ha termékenyítettünk egy állatot, akkor az állat a következő állapotokba kerülhet: az állat vemhes lehet, meddő maradhat vagy megbetegedhet (1. ábra). A 3 állapotnak megfelelően döntünk a sorsáról, és minden egyes döntés következtében a ciklus a következő időszakban a megfelelő állapotba adott valószínűséggel kerül. Ezen valószínűségek becslése egyéb eljárásokkal az alapadatok alapján történik. Például ha 1-szer termékenyítjük az állatot, akkor 0,887 valószínűséggel vemhesül a következő időszakasz alatt (1. ábra). A valószínűségeket előre definiált eloszlások szerint is megadhatjuk. Egyéb értékeket is be kell állítanunk az optimalizáció sikere érdekében, például a várt nettó jövedelmet az adott döntés esetén, született malacok száma, kocasüldők száma, alomszám, fialások száma stb…).

1. ábra. A kocák termékenyítésének modellje

57


2. ábra. Az alkalmazható optimalizálási kritériumok A 2. ábra az alkalmazható hozam függvényeket, vagyis az optimalizálás kritériumait tünteti fel. A discounting a már bemutatott Hozam2 függvény, a másik két kritérium a Hozam3 és Hozam4 függvény.

3. ábra. Az optimális döntések sorozata és az elérhető jövedelem Az optimalizálás eredménye a 3. ábrán látható, a program megadja az alkalmazandó stratégiát (tartsuk-e meg az állatot, vagy ne, hány termékenyítésben vegyen részt, stb..), és a kapcsolódó relatív hasznosságokat, ha adott döntést hozunk szemben egy másikkal. A következőkben bemutatjuk a „Koca modell” paramétereinek beállítási lehetőségeit és a szimuláció eredményeit. Az alapparaméterek az eredeti biológiai modellből származnak (Kristensen, 2004b).

4. ábra. A koca modell paramétereinek beállítása

58


A 4. ábra mutatja, hogy milyen paramétereket kell beállítani az optimalizálás előtt. Elsőként a várható fialások számát kell megadni. Majd az egy fialásra jutó termékenyítések minimális és maximális értékét állítjuk be. Meg kell adni a felhasznált kanok számát is és a szoptatás idejét hetekben.

5. ábra. Az alomnagyságát meghatározó modell paramétereinek beállítása Az 5. ábrán az első négy paraméter a különböző eloszlások átlagait határozza meg, míg a következő kettő a szórásokat definiálja. A 7. sorban az összefüggés szorosságát lehet beállítani. Az utolsó három sor a technikai környezet és a modell szerkezetének változtatását teszi lehetővé.

6. ábra. A koca paramétereinek beállítása

59


A 6. ábrán a koca különböző jellemzőinek a beállítását mutatjuk be. Az adatok első csoportja a koca testtömegének az alakulását mutatja a különböző fialások esetében egy standard görbe alapján. A többi adatnál a különböző fialásokhoz adhatók meg beállítási paraméterek (konstans, alomnagyság hatása, alomnagyság hatás négyzete), amelyek szükségesek az alkalmazott függvények kiszámításához a nem tervezett selejtezések esetében. A modellezés során valójában sok fialási paramétert összevon a modell és azokkal kalkulálja a végeredményt.

7. ábra. A takarmány fogyasztás paramétereinek beállítása A 7. ábrán a vemhesség és a szoptatás alatti takarmány fogyasztás paramétereinek beállítását mutatjuk be. Külön lehet megadni a termékenyítés idejére és a vemhesség 4 eltérő időszakára a napi takarmány fogyasztás adatait. A malacok 3. – 5. heti takarmány felvételét is be tudjuk állítani. Az adlibitum takarmányozás regressziós paramétereit is itt tudjuk definiálni c 0 – c 6 -ig (a fialások számát, a fialások számának négyzetét, a malacszámot, a malacok számának négyzetét, a tömeggyarapodást, a választási kort).

8. ábra. A különböző árak rögzítése A 8. ábra az árak paramétereinek beállítását mutatja. A koca takarmányának árai megadhatók a különböző időszakokra (termékenyítés, vemhesség, szoptatás) és a malactáp ára is itt rögzíthető. Beállítható a malacár, a tenyészsüldő ára, a selejtkoca ár és a betegkoca csökkentett értéke.

60


9. ábra. A termékenyítés paramétereinek beállítása A 9. ábrán a termékenyítés paramétereit mutatjuk be. Minden fialásnál külön – külön megadhatók az értékek. A termékenyítési arányt az alaparánytól és a fialástól függő relatívhatásként határozzuk meg. A termékenyítés költségénél változatlan árral kalkulálunk. A tényleges termékenyítési arányt úgy számoljuk ki az n-ik fialásnál, hogy az alaptermékenyítési rátát megszorozzuk az n-ik fialás relatív hatásával. A visszaivarzó állatok ismételt termékenyítésének költségeit is figyelembe tudjuk venni 4 újratermékenyítésig.

10. ábra. A malacok elhullásának alakulása az első és a későbbi fialások során A 10. ábrán bemutatjuk a malacok elhullásának alakulását az első és a későbbi fialások során.

11. ábra. A „Koca modell” főmenüje.

61


A 11. ábrán látható a „Koca modell” főmenü, amelyből egy már létező koca állomány adatait nyithatjuk meg a programban. Így tudjuk gyorsan beolvastatni a már meglévő adatainkat.

12. ábra. A „Koca modell” főmenüje az állomány eredményeivel A „Koca modell” főmenüből lehetőség van arra is, hogy egy már korábbi vizsgálat elmentett eredményeit megnyissuk (12. ábra). Így lehetővé válik a már megoldott eredmények szakmai vizsgálata.

13. ábra. Az optimális döntések sorozata és az elérhető jövedelem az állomány minden kocájára kiszámítva A 13. ábrán látható, hogy a szimulált telep összes kocájára érték iterációval kiszámítottuk az elérhető jövedelmet és a kocánkénti döntések sorozatát. Minden egyes kocának meg van adva az azonosítója, a fialásainak a száma, az előző lehetséges alomszámai, a legutolsó alom mérete, a potenciális alomszám értéke úgy, hogy figyelembe vettük a legutolsó alom nagyságát, a koca termelésben tartásának jövőbeli jövedelmezősége, a vemhesítések számának maximuma mielőtt a kocát termékenységi zavarok miatt selejtezni kellene. A legérdekesebb információ az elérhető jövedelem, amelyet tekinthetünk egy féle gazdasági indexnek, ami a koca sokféle termelési tulajdonságából alakult ki. A negatív érték azt jelenti, hogy célszerű lenne a koca selejtezése. A pozitív szám azt jelzi, hogy a kocát érdemes a termelésben tartani. A numerikus érték azt mutatja, hogy a költségek eltérnek az optimális értékektől.

Hivatkozások Audsley E. 2001. Agricultural mechanisation and automation: Expenditures and returns. UNESCO Encyclopedia of Life Support Systems http://www.cranfield.ac.uk/sas/naturalresources/research/projects/silsoewholefarmmodel.jsp Barbour, A. 2004. Bioinformatik II, Probability and Statistic, Markov chains, http://www.math.unizh.ch/~schumi/bioinf2.html Bellman, R. E. 1957. Dynamic Programming. Princeton: Princeton University Press.

62


Bellman, R. E. 1961. Adaptive control process: a guide tour. Princeton: Princeton University Press. Bellman, R. E. and Dreyfus, S. E. 1962. Applied dynamic programming. Princeton: Princeton University Press. Bellman, R. E. and Kalaba, R. 1965. Dynamic programming and modern control theory. New York: Academic Press. Hadley, G. (1964): Nonlinear and dynamic programming. Reading, Massachusetts:Addison-Wesley. Houben, E. H. P., R. B. M. Huirne, A. A. Dijkhuizen, and A. R. Kristensen. 1994. Optimal replacement of mastitis cows determined by a hierarchic Markov process. Journal of Dairy Science 77: 2975-2993. Howard, R. A. 1960. Dynamic programming and Markov Process. Cambridge, Massachusetts: The M.I.T. Press. Howard, R.A. 1971. Dynamic probabilistic systems. Volume II: Semi-Markov and decision process. New York: John Wiley & Sons, Inc. Jewell, W. 1963. Markov renewal programming I and II. Operations Research 11: 938-971. Kennedy, J. O. S. 1981. Applications of dynamic programing to agriculture, forestry and fisheries: Review and prognosis. Review of Marketing and Agricultural Economics 49: 141-173. Kristensen, A. R. 2004a. A sow replacement model using Bayessian up-dating in a 3-level Hierarchic Markov process: II. Optimization model. Livestock Production Science 87(1): 25-36. Kristensen, A. R. 2004b. A sow replacement model using Bayessian up-dating in a 3-level Hierarchic Markov process: I. Biological model. Livestock Production Science 87(1): 13-24. Kristensen, A. R., 1996. Herd management:Dynamic programming/Markov decision processes, Dina Notat No. 49. Kristensen, A.R. 1991. Maximization of net revenue per unit of physical output in Markov decision processes. European Rewiew of Agricultural Economics 18: 231-244. Kristensen, A.R. and Jorgensen, E. 1995. Applicational perspectives of recent developements in dynamic programming methods for herd management support. Dina Notat No. 33. Nagy L. 2009. Some possibilities for risk analysis in the decision support of crop production. Apsctract (Applied Studies In Agribusiness And Commerce) Vol.3. No 1-2., Debrecen p.79-86. HU-ISSN 1789-221X Ross, S. M. 1970. Applied probability models with optimalization applications. San Francisco, California: Holden-Day. Wal, J., and Wessels, J. 1985. Markov Decision Processes. Statistica Neerlandica 39(2): 219-233. White, C.C., and White, D.J. 1989. Markov decision process. European Journal of Operational Research 39: 116.

63


Az Országos Környezeti Információs Rendszer Talajdegradációs Alrendszerének kialakítása (OKIR-TDR) Szabó József 1, Szabóné Kele Gabriella 2, Havas Ádám 3, Podmaniczky László 4, Pirkó Béla 5, Pásztor László1, Dombos Miklós1, László Péter1, Koós Sándor1, Bakacsi Zsófia1, Laborczi Annamária1, VassMeyndt Szilvia1

Abstract: Regular data collection on the state of agricultural soils has not been in operation in Hungary for more than two decades. The soil fertility monitoring system (AIIR), which was started in 1978 stopped before completing the third phase in the late ‘80s. In the meantime, mainly thanks to the Hungarian Soil Strategy and the planned Soil Framework Directive, the demand for the information on state of Hungarian soils and the follow up of the harmful changes in their conditions and functioning has greatly increased. In 2010 the establishment of a new national soil monitoring system was supported by the Environment and Energy Operational Programme for Informatics Development. The aim of the project was to collect, manage, analyse and publish soil data related to the state of soils and the environmental stresses attributed to the pressures due to agriculture; setting up an appropriate information system in order to fulfil the directives of the Thematic Strategy for Soil Protection. Further objective is the web-based publication of soil data as well as information to support the related public service mission and to inform publicity. The developed information system is planned to operate as the Soil Degradation Subsystem of the National Environmental Information System being compatible with its other elements. A suitable representative sampling method was elaborated. The representativity is meant for soil associations, landuse, agricultural practices and typical degradation processes. Soil data are collected on county levels led by regional representatives but altogether will be representative for the whole territory of Hungary.

Összefoglalás: A Talajvédelmi Stratégia, illetve a Talaj Keretirányelv elvárásainak való megfelelés komoly előkészületeket igényel a környezetvédelmi informatika terén. Ez indokolta egy, az Országos Környezeti Információs Rendszerhez kapcsolódó, annak részeként funkcionáló talajos alrendszer fejlesztését, mely támogatja a talaj környezeti állapotának nyomon követését; illetve a DPSIR értékelési módszer szerint történő komplex környezeti elemzések végrehajtását egy, a térképi megjelenítést is lehetővé tévő informatikai rendszer kialakításával. A TERRADEGRA projekt célja a mezőgazdasági eredetű környezeti terhelésre, valamint a talajok környezeti állapotára vonatkozó talajvédelmi adatszolgáltatásokhoz szükséges adatok előállítását lehetővé tevő rendszer és ennek informatikai hátterének kidolgozása, továbbá a kapcsolódó állami közfeladatok elvégzésének támogatása és a nyilvánosság tájékoztatása érdekében történő talajtani adat- és információ publikálása. A projekt során informatikai fejlesztést hajtottunk végre kialakítva az OKIR-hoz kapcsolódó Talajdegradációs Információs Rendszert, továbbá aktuális talajtani adatgyűjtést végeztünk Magyarország teljes területére vonatkozó, reprezentatív mintavételi elrendezésben.

A talajok egyes funkciói természeti, illetve antropogén okokból gyakran sérülnek. A leginkább meghatározó talajdegradációs problémák az erózióval, a szervesanyag csökkenéssel, a helyi és a diffúz szennyeződéssel, a talajfedéssel, a tömörödéssel, a biológiai sokféleség csökkenésével, a szikesedéssel, a savanyodással, az extrém hidrológiai eseményekkel, illetve a tápanyagforgalommal kapcsolatosak. A talajdegradációs folyamatok és kedvezőtlen következményeik azonban megelőzhetők, megszüntethetők, vagy legalább mérsékelhetők. A talaj, mint feltételesen megújuló erőforrás védelmére a Talajvédelmi Stratégia keretében kerül sor, melynek támogatása komoly előkészületeket igényel a környezetvédelmi informatika terén, mivel a jelenleg rendelkezésre álló hazai talajtani adatrendszerek egyike sem alkalmas a talajdegradációs folyamatok országos szintű, minden igényt kielégítő felmérésére és monitorozására.Ez indokolta egy, az Országos Környezeti Információs Rendszerhez (OKIR) kapcsolódó, annak részeként funkcionáló, talajos alrendszer fejlesztését, mely támogatja a talaj környezeti állapotának nyomon követését; illetve 1

MTA Agrártudományi Kutatóközpont Talajtani és Agrokémiai Intézet

Fejér Megyei Kormányhivatal Növény-és Talajvédelmi Igazgatósága Helion Kf 4 Szent István Egyetem, Mezőgazdaság- és Környezettudományi Kar, Környezet- és Tájgazdálkodási Intézet 2 3

5

Pest Megyei Kormányhivatal Növény-és Talajvédelmi Igazgatósága

64


a DPSIR értékelési módszer szerint történő komplex környezeti elemzések végrehajtását egy, a térképi megjelenítést is lehetővé tévő informatikai rendszer kialakításával. Az OKIR TalajdegradációsRendszer (TDR) kialakításának célja a mezőgazdasági eredetű környezeti terhelésre, valamint a talajok környezeti állapotára vonatkozó talajvédelmi adatszolgáltatásokhoz szükséges talajtani adatok előállítását lehetővé tevő rendszer és ennek informatikai hátterének kidolgozása. További cél a kapcsolódó állami közfeladatok elvégzésének támogatása és a nyilvánosság tájékoztatása érdekében történő talajtani adat- és információ publikálása. Az informatikai fejlesztés mellett, alapállapot felvételként, aktuális talajtani és gazdálkodási adatgyűjtést végeztünk Magyarország teljes területére vonatkozóan, reprezentatív mintavétel alapján. Az OKIR TDR kialakítása az alábbi premisszákon nyugszik: • • •

A mezőgazdálkodás talajdegradációs folyamatokat okoz(hat). Az eltérő gazdálkodás különbözően terheli a talajokat. A különböző termőhelyeken a terheléseknek mások a degradációs hatásai.

A projekt célkitűzése,ezen hatások degradációs állapot indikátorokkal való kimutatása, mértékük számszerűsítése, illetve terhelési indikátorokkal való összevetése, együttes elemzése. A projektet támogató pályázati kör jellege folytán alapvetően informatikai fejlesztés történt az OKIR kompatibilitás messzemenő figyelembevételével. Maga az adatgyűjtés ún. adathiány pótlásként szerepel a jelenleg finanszírozott keretben. Nem titkolt cél azonban egy működőképes monitoring keretrendszerének kialakítása, amely megfelelő pénzügyi háttér esetén bármikor operatívvá tehető. A célterületek kiválasztásánál az alábbi korlátok mentén kellett terveznünk: 10-20 reprezentatív üzem megyénként; 2-8 tábla üzemenként és 1-3 ún. RPR (öthektáros reprezentatív parcella részlet) táblánként; összesen mintegy 2000 db RPR kijelölésével és felvételezésével számolhattunk. Az OKIR TDR fejlesztés (http://projects.rissac.hu/tdr/) számos elkülöníthető, de egymásra épülő és egymással kölcsönhatásban levő munkacsomag keretében történt, melyet egy minden részletre kiterjedő, nagyon precíz és szigorú informatikai fejlesztés fogott támogatott (1. ábra).

1. ábra.A KEOP TDR fejlesztés elemei és azok kapcsolatainak sematikus ábrája

65


A vizsgálati terv kidolgozása a projekt kereteinek, korlátainak, illetve egy működő monitoring rendszerrel szembeni elvárások optimalizálásával történt, a mintavétel tervezésben gyakorlott matematikai statisztikusok bevonásával. A mintavételi tervben a terhelésre vonatkozó reprezentativitást az agrárgazdaságok, a talajtani adottságokra vonatkozót pedig a termőhelyek tipizálásával vettük figyelembe. Az előbbit a KSH adataira alapoztuk, az utóbbit egy, a szakértők számára biztosított webes térképi szolgáltatással támogattuk. A végleges mintavételi objektumok (üzem, tábla, RPR) kijelölésénél jelentős szerepet játszott a helyi szakértők tapasztalata és helyismerete. Az OKIR TDR-be bevont talajdegradációs folyamatokra (biológiai, fizikai, erózió, nitrát, szennyezés, növényvédőszer maradvány, szervesanyag minőségváltozás, szikesedés, savanyodás) vonatkozóan jeles hazai szakértők bevonásával protokollokat dolgoztunk ki az egyes degradációs folyamatokat jellemző terhelési és állapotindikátorok meghatározásának módszertanára vonatkozólag a nemzetközi és a korábbi hazai gyakorlatot áttekintve és elemezve. Kiemelt szempont volt a protokollok egymás közötti harmonizálása, összedolgozása és optimalizálása, illetve a beérkezett eredmények alapján elvégezhető elemzések előzetes tervezése. A következő lépés a reprezentatív üzemek megyei és régiós kvótak szerinti kiválasztása, az üzemeken belüli táblák termőhelyi szempontok szerinti kijelölése, valamint a gazdálkodói adatgyűjtés megkezdése. Mindezen feladatok kivitelezését a vizsgálati tervvel párhuzamosan kidolgozott rendszerterv alapján elvégzett informatikai fejlesztés támogatta. A terepi mintavételezés támogatására a központi adatbázis és a felvételező kapcsolatát biztosító hardver-szoftver rendszert biztosítottunk a megyei szakértők számára. Ennek központi eleme egy, fényképek készítésére is alkalmas GPS, amely egyben a felvételezés minőségbiztosításában is jelentős szerepet játszik. Az adatbázis és a GPS-ek közötti adatáramlás biztosítására szolgál a terepi, mobil internet kapcsolattal rendelkező számítógépeken futó, a projekt keretei között fejlesztett Terraszinkadatszinkronizáló program, amely (i) az adatbázisban szereplő földrajzi adatok közül egy felvételezés végrehajtásához szükséges adatokat juttatja el a GPS eszközre; illetve (ii) a felvételezés során a helyszínen készített fotókat tölti fel az adatbázisba. A terepi vizsgálatok és mintavétel alapvető geometriai objektuma a reprezentatív parcella részlet (RPR). Az ezekre gyűjtött átlagmintákkal reprezentáljuk az őket tartalmazó táblák talajtani viszonyait. Az RPR egy lehetőleg, de nem feltétlenül négyzet alakú, közelítőleg öt hektár területű mintavételi egység, ami mind alakjában, mind pontos méretében rugalmasan idomul a táblához. A terepi vizsgálatok elvégzésének helyszíneit az RPR-en belüli 10x10-es rácsháló celláihoz rendeltük. Az RPR-ket, a táblákhoz, hasonlóan, a megyei szakértők jelölik ki a TDR által biztosított térinformatikai környezetben, az RPR-ek azonban a terepi adottságok függvényében a helyszínen is módosíthatók. Az RPR-en belüli rács az RPR GPS-re történő letöltése során automatikusan generálódik (2. ábra).

66


2. ábra.Az őszi felvételezés nitrát protokollja szerinti átlag mintavétel tervezési RPR-je, illetve a GPS-re letöltött verzió

A vizsgálatokat egy tavaszi és őszi felvételezésre bontottuk szét. Ezt az elvégzendő feladatok nagysága és eszközrendszerének racionalizálása, valamint az egyes vizsgálatok kivitelezhetőségét befolyásoló agronómiai peremfeltételek egyaránt indokolták. A terepi munka során készült jegyzőkönyvek adatait maguk a felvételezők vitték be folyamatosan a központi adatbázisba a projekt teljeskörű információs menedzsmentjét kiszolgáló Web-es felületen keresztül.

67


3. ábra.Az adatbázis felület néhány nézete (adatbevitel, böngészés, lekérdezés; felvett táblák és RPR-ek, felvételezési fényképek, gazdálkodói adatok)

A gazdaságok fenntarthatósági teljesítményeinek számszerűsítésére és értékelésére kidolgozott gazdálkodási értékelési modellekhez szükséges üzemi-, üzemi tábla- és TDR tábla szintű adatgyűjtéshez kitöltési útmutatóval kiegészített, ún. gazdálkodói adatgyűjtő űrlap készült, amely a vizsgált gazdaságok elmúlt 3 gazdálkodási év terhelési adatainak feltöltését biztosította. Összességében 285 mezőgazdasági üzem 1.888 táblájának 2.030 RPR-jén elvégzett 2.227 felvételezés során 9.541 vizsgálat történt, melynek során 6.935 minta és 28.075 fénykép született. Az összes felvett üzemi táblák száma 4.529, melyek összterülete mintegy 250.000 hektár.

68


Az OKIR kompatibilisdegradációs adatbázis szerkezet, a kialakított terhelési- és indikációs modellek alapján a TDR rendszer az OKIR talajtani alrendszereként alkalmas - a mezőgazdasági művelésből adódó terhelések figyelembe vételével – a talaj környezeti állapotának nyomon követésére, illetve a térképi megjelenítést is lehetővé tévő informatikai rendszer kialakításával az Európai Unióban alkalmazott „Hajtóerők-Terhelés-Állapot-Hatás-Válasz”, angolul: „DrivingforcesPressure-State-Impact-Response” (DPSIR) értékelési módszer szerint történő komplex környezeti elemzések végrehajtására. A projekt célkitűzésének megfelelően a mezőgazdasági földhasználat talajra gyakorolt hatásának degradációs állapot indikátorokkal való kimutatása, mértékük számszerűsítése, illetve terhelési indikátorokkal való összevetése, együttes elemzése azonban csak a kialakított monitoring keretrendszerünk számára gyűjtött idősoros terhelési- és állapot adatokkal lehetséges. Az általunk adathiány pótlás keretében gyűjtött terhelési- és egyszeri állapot felvételezési adatok azonban már most alkalmasak előzetes elemzések végrehajtására és az elemzések eredményeinek a nyilvánosság tájékoztatása érdekében történő publikálása. Az internetes keretrendszert alakítottunk ki az előzetes elemzések eredményeinek publikálására http://okir-tdr.helion.hu/, figyelembe véve a magyar kormány hivatalos információs honlapjának megjelenítési elemeit.

4 ábra. Az OKI-TDR nyilvánosság tájékoztatását biztosító adatpublikációs felülete Munkánkat a Környezet és Energia Operatív Program, "Az Országos Környezeti Információs Rendszer (OKIR) talajdegradációs alrendszerének (TDR) kialakítása" (KEOP-6.3.0/2F/09-2009-0006) projekt támogatásával végeztük.

69


Osztályozási módszerek szőlőrendszertani alkalmazása Reiczigel, Zs. 1, Bodor, P. 2, Bisztray, Gy., D. 3, Ladányi, M. 4

Abstract: The multilevel system, with which Marton Nemeth classified the types of grapes by geographical origin in 1967, has been used widely since that time. According to this system we aimed to find some morphological parameters which are observable and measurable directly. We have collected 125 parameters of 258 grape varieties, and we identified some basic characteristics which can indicate the first level of this grouping. Among several methods, we have chosen first the neural networks and logistic regression to apply. For the method evaluation, we used cross validation. According to the neural networks results the classification can be executed by 10 variables, only. We plan to apply other methods and go further to classify at all levels. Keywords: Artificial neural networks, Németh Márton

Összefoglaló: A szőlőfajtáknak Németh Márton által 1967-ben létrehozott származás szerinti, többszintű osztályozási rendszerét széles körben ismerik és alkalmazzák. Ahhoz, hogy a létrehozott struktúrát matematikai módszerekkel is alátámaszthassuk, a származási alapon történő csoportosításhoz valamely, a növényen megfigyelhető és mérhető szempontokat szeretnénk társítani. 258 szőlőfajta 125 paraméterét vizsgáltuk meg, amelyek alapján egyelőre az egyes változatcsoportokba kerülést meghatározó jellemzőket azonosítottuk. Több felmerülő módszer közül a neurális hálózatokkal, illetve a logisztikus regresszióval kezdtük az adatok vizsgálatát. A kiértékeléshez cross-validációt használtunk. Eredményeink alapján valószínűnek tűnik, hogy a neurális hálózatok módszerével, mindössze 10 változóval a Németh Márton által végzett változatcsoportokba sorolás megnyugtatóan igazolható. Tervezzük egyéb módszerek alkalmazását, illetve az alsóbb szinteken történő osztályozásra is ki szeretnénk terjeszteni vizsgálódásainkat. Kulcsszavak: neurális hálózatok, rendszertan, Németh Márton

1. Bevezetés A természetes úton kialakult és a nemesítés során létrehozott szőlőfajták száma megközelíti a 10000-et (This et al. 2006). A szőlő, a többi kertészeti kultúrával összehasonlítva kiemelkedően magas morfológiai variabilitást mutat. Az alaktani változatosság lehetőséget ad a fajták rendszerezésére, csoportosítására. A rendszerezés korai időszakában kisszámú morfológiai bélyeg került felvételezésre, mint a bogyó színe, vagy a fürtök mérete. A XIX. és XX. század rendszerezői, mint Andrasovszky, Negrul’, Levadoux, Németh már száznál is több alaktani sajátosság megfigyelését végezték el egy-egy egyeden (Bényei és Lőrincz, 2005). A fajták származás szerinti rendszerezése a morfológiai variabilitást a fajták kialakulásának helyszínével magyarázza. Ennek értelmében az azonos ökológiai körülmények között kialakult fajták hasonló morfológiai bélyegeket mutatnak. Németh Márton (1966, 1967, 1970) fajta-rendszerében, a fajták eredetük szerint három földrajzi csoportba sorolhatóak: a pontuszi (pontica), a nyugati (occidentalis) valamint a keleti (orientalis) változatcsoportokba (convarietas-ba). Minden változatcsoporton belül változat-alcsoportok (subconvarietas), változatok (provarietas) illetve alváltozatok (subprovarietas) szerepelnek. Egy-egy alváltozat több szőlőfajtát foglal magában. Ezen rendszer lehetőséget ad minden természetes úton kialakult fajta csoportba sorolására. A hibrid, mesterségesen keresztezett szőlőfajták azonban nem helyezhetőek el ebben a rendszerben, hiszen ezek morfológiai tulajdonságai a nem az ökológiai körülményektől függnek hanem a szülők fenotípusa alapján alakultak ki. Németh (1967, 1970) a különböző szintekbe való besorolást a morfológiai jellegzetességek alapján végezte el, azonban ezek az elvek nincsenek statisztikailag alátámasztva. 1

Budapesti Corvinus Egyetem Matematika és Informatika Tanszék [email protected] Budapesti Corvinus Egyetem Szőlészeti Tanszék [email protected] 3 Budapesti Corvinus Egyetem Szőlészeti Tanszék [email protected] 4 Budapesti Corvinus Egyetem Matematika és Informatika Tanszék [email protected] 2

70


Fölmerül a kérdés, a morfológiai bélyegek alapján történő származás szerinti rendszerezés statisztikailag is alátámasztható-e? Hasznos lenne igazolni, hogy a növényen megfigyelhető paraméterek alapján valóban elvégezhető a Németh Márton-féle csoportokba sorolás. Ekkor ugyanis e szempontok alapján a Németh Márton által még be nem sorolt fajták (például hibridek) is beilleszthetők lennének a rendszerbe (predikció). A feladat tehát az, hogy a rendelkezésre álló nagyszámú paraméterből kiválasszuk azokat, amelyek jól magyarázzák az eredeti, Németh Mártonféle osztályozást. A paraméterek fontosságát különböző módszerekkel súlyozva osztályozzuk az adatokat, és azt az osztályozást keressük, amelyik a legközelebb áll a kiindulásul szolgáló osztályozáshoz. A jelen munkában matematikai módszerek alkalmasságát vizsgáltuk arra nézve, hogy melyik a legalkalmasabb a rendszerezés statisztikai alátámasztására, így a probléma matematikai, statisztikai kérdés, jóllehet, témájában és céljaiban a szőlészek munkájához kapcsolódik.

2. Anyag és módszerek 258 szőlőfajta 125 paraméterét vizsgáltuk meg, azzal a sejtéssel, hogy ezek között találhatók a csoportosítás szempontjából meghatározó paraméterek. Azonban a Németh Márton által kategorizált szőlőfajtákkal összevetve az adatsort csak 97 olyan fajtát találtunk, amelyeknek a paramétereit is ismerjük és a csoportba sorolásuk is megtörtént. Ezen fajtákkal dolgozva igyekszünk a csoportosítás szempontjait megragadni. Egyelőre csak a legnagyobb osztályokba (változatcsoport, convarietas) sorolást vizsgáltuk. Itt némi problémát jelentett, hogy a harmadik változatcsoportból (keleti, orientalis) pillanatnyilag összesen hét szőlőfajta paramétereit ismerjük, ami már elég az elemzéshez, de több adat megbízhatóbb eredményekhez segíthetne hozzá. Több módszer is felmerült, amelyet a probléma megoldására használhatunk. Mivel a vizsgált paraméterek kategóriaváltozók, alapvető szempont a módszerválasztásnál, hogy ezt az adattípust kezelni tudja, ami leszűkíti a lehetőségek körét, illetve bizonyos módszerek alkalmazását bonyolultabbá teszi. Mindenesetre érdekes és hasznos, ha több módszerrel is vizsgáljuk a kérdést, ezáltal a módszereket is összevetjük egymással, és a megoldáshoz is közelebb kerülünk. A neurális hálózatok alkalmazásainak széles irodalma van, és a tapasztalatok szerint nagyon hatékony módszer, így ezzel kezdtük az adatok vizsgálatát. A mesterséges neurális hálózatok ötlete az idegsejtek fiziológiájának alapelvéből indul ki (1. ábra). A dendritek által érzékelt információ a csomópontban (sejtmagban) dolgozódik fel, és az így feldolgozott információ az axonon keresztül jut el a következő csomóponthoz. A csomópontok és axonok egy bonyolult hálózatot alkotnak, és az információ sok lépésben jut el az ingerre adott válaszért felelős központba.

1. ábra. Az idegsejtek felépítésének egyszerű szerkezeti sémája

71


A beérkezett, és már többszöri feldolgozáson átesett ingerre adott válasz (output) részben előre programozott (örökletes), részben a korábbi információk feldolgozása során tanult tapasztalattól függ. Ezt a modellt a neurális hálózatok tervezéséhez használjuk fel, melynek az az elve, hogy nagyszámú bemenő adatra vonatkozó választ ismerve a rendszer „tanítható”.

2. ábra. Egy egyszerű neurális hálózat általános modellje A 2. ábrán egy egyszerű neurális hálózat általános modelljét láthatjuk három bemenő változóval, egyetlen rejtett réteggel, azon belül két csomóponttal (neuronnal), valamint két kimenő változóval. A neurális hálózatok modelljeiben a rétegek és a neuronok száma elvileg tetszőleges számú lehet. Egy csomópontból a kimeneti értéket a súlyozott bemeneti értékektől egy ún. aktiváló (feldolgozó) függvényen keresztül kapjuk. Egy neurális hálózat kimeneti változóinak értékei a hálózat alakjától, összetettségétől, a súlyaitól, valamint az aktiváló függvénytől függenek (Bishop, 1995). Az ún. MLF (Multi-Layer Feedforward) módszerben a tangens hiperbolicus aktiváló függvényt használtuk a rejtett rétegben, és az identitást az output rétegben. Egyetlen kategória típusú függő változóhoz annyi output változót használtunk, ahány kategória értéke van az adott függő változónak. Egy elemet abba a kategóriába soroltunk, amelyikhez tartozó output változó a legmagasabb aktiváló függvényértéket adta (Masters, 1995). A neurális hálózat tanítása (training) azt jelenti, hogy keresünk egy olyan súlyhalmazt, amellyel az outputot generálva egy jó közelítést kapunk az ismert kimeneti értékekre, esetünkben a kategóriaváltozó értékeire. A hibát az átlagos eltérés-négyzetösszeg négyzetgyökével definiáltuk (mean square error, MSE). Véletlen súlyozással indultunk, és kiszámoltuk az output hibáját. A következő lépésben az ún. konjugált gradiens módszert használtuk a hiba lokális minimumának keresésére. Annak érdekében, hogy végül a globális minimumhelyet is elérjük, ezt a másodrendű determinisztikus optimalizáló módszert felváltva alkalmazzuk az ún. SA (simulated annealing) sztochasztikus módszerrel, amelynek az a lényege, hogy minden lépésben bizonyos valószínűséggel nemcsak az adott pont közelében lévő minimumot keresi, hanem akár a hiba növelésének árán is egy véletlenszerű nagyobb lépést is tesz, amellyel elkerülhető, hogy megrekedjen egy lokális minimumhely közelében. Az ilyen nagyobb lépések valószínűsége a hiba csökkenésével csökken (Granville et al., 1994; Kirkpatrick et al., 1983).

72


Megfelelően sok rejtett réteget és neuront építve a modellbe tetszőleges pontosság érhető el a hálózat tanításával, ez viszont a túltanulással (overfitting) járhat. Ennek elkerülésére az adathalmazt kétfelé vágva egy tanító és egy tesztadatsort hozunk létre. Ezután egyszerre vizsgáljuk a tanító és a tesztállományon a súlyok kalibrálása során a hiba változását. A tanítást akkor állítjuk le, amikor a tanító halmazon a hiba csökken, de a teszthalmazon már növekszik, azaz a hálózat már nem a teljes adathalmazra jellemző információt tanulja, hanem a tanuló halmaz specifikus tulajdonságait sajátítja el (Masters, 1995). Az osztályozás akkor hatékony, ha a módszert különböző véletlen súlyhalmazzal indítva sokszor lefuttatjuk, és a legjobb megoldást választjuk, így növelve annak esélyét, hogy valóban elérjük a globális minimumot. Az ún. PN (Probabilistic Neural) módszer a fent ismertetett MLF módszer alapötletére támaszkodik, speciálisan kategória típusú output változóra alkalmazható. A PN módszer az MLF módszert úgy finomítja, hogy egy simítófüggvény segítségével egy, a tanító adathalmazból érkező bemenő adathoz „közelebb” lévő esetek nagyobb súlyt kapnak, mint a távolabbiak, és így a kimenő változó értékét jobban befolyásolják. A távolságot a bemenő adatokra mint vektorra vonatkozó euklideszi távolságfüggvénnyel definiáljuk (Sprecht, 1990, 1991). Miután a tanulási folyamat lezajlott, a kapott struktúrát elmentve tesztelhetjük az egész adatsoron az eredményt, továbbá az ismeretlen kimenetelű esetekhez is megadhatjuk a tanult módszer alapján kapható választ, azaz a módszer eredménye további esetek besorolására (predikcióra) alkalmas. A PN módszer előnye, hogy a tanulási folyamat gyors, és nemcsak a csoportosítás eredményét adja meg, hanem a csoportba kerülés valószínűségét is. Az MLF módszer előnye, hogy azokra az esetekre is viszonylag megbízható, amelyek a tanító adatsor értéktartományán kívül esnek, valamint az, hogy kisebb adatsorra is sikeres. A módszerek kiértékeléséhez többek között cross-validációt használtunk, ami úgy működik, hogy az adatok egy meghatározott százalékát véletlenszerűen kiválasztva megkeressük az ezen adathalmaz alapján legmegfelelőbbnek látszó modellt, majd a maradék adatokon teszteljük a kapott struktúra segítségével nyerhető osztályozás hatékonyságát, azaz esetünkben azt, hogy mekkora arányban tudta reprodukálni a Németh Márton-féle kategóriákat. A munkához az alábbi szoftvereket használtuk: Microsoft Excel, SPSS, Palisade Neural Tools, R.

3. Eredmények Mivel az MLF-alapú módszerek véletlen súlyhalmazból indulnak ki, továbbá a túltanulás elkerülése, az AN módszer, valamint a cross-validáció is tartalmaz sztochasztikus elemeket, ezért megbízható csoportosítást csak a módszer nagyszámú ismételt alkalmazásával kapott eredmények összesítésével nyerhetünk. Modellenként egymillió futtatás eredményeit összegezve kaptuk az alábbiakat. Az MLF módszert egyetlen rejtett réteggel, 2, 3, 4, 5 és 6 rejtett neuronnal, valamint a PN módszert futtattuk. A tanító adathalmaz és a tesztadathalmaz aránya 4:1 (78 tanító, 19 teszt). AZ MLF módszerek közül leghatékonyabbnak a 3 neuronnal rendelkező modell bizonyult (10,5% helytelen besorolással a szimultán tanító-tesztelő fázisban), az ennél magasabb neuronszámú modellek túltanulásos tünetet mutattak. A legjobb MLF-modellnél is hatékonyabbnak bizonyult a PN modell, itt a helytelen besorolások 5,26 %-ban jelentkeztek a szimultán tanító-tesztelő fázisban. A legmeghatározóbbnak talált 10 paramétert fontossági sorrendben tartalmazza a 3. ábra.

73


A változók relatív fontossága 0%

10%

20%

30%

40%

a szártag bélvastagsága

a rügy szőrözete a levéllemez szőrözete az éredő bogyó szélessége a vitorla szőrözete

60%

70%

48,1489%

az éretlen fürt tömöttsége az érési idő

50%

25,6743% 9,4291% 7,3183% 4,6179% 2,7578% 1,8642%

a 15-20 cm-es hajtás szőrözete

0,1150%

a levéllemez nagysága

0,0598%

a levélnyél szőrözete

0,0147%

3. ábra. A legmeghatározóbbnak talált 10 paraméter fontossági sorrendben a PN modell alapján A tanult struktúra tesztelése során egyetlen hibás besorolás történt: a keleti (orientalis) változatcsoporthoz tartozó Leánykát a nyugati (occidentalis) csoportba sorolta a módszer. Minden más (96) esetben helyes besorolást kaptunk. Eredményeink alapján valószínűnek tűnik, hogy a fenti 10 változóval a változatcsoport (convarietas) Németh Márton által végzett besorolása megnyugtatóan igazolható. A kapott struktúrával a további 160, Németh Márton által nem említett fajtára is elvégeztük a besorolást.

4. Kitekintés A neurális hálózatok módszerével kapott biztató eredményeinken felbátorodva vizsgálatainkat a változat-alcsoportok (subconvarietas), a változatok (provarietas), illetve alváltozatok (subprovarietas) szintjén folytatjuk. A módszer sikere mellett számolnunk kell azzal a hátrányával, hogy a közbenső lépésekről (rejtett réteg) kevés információt nyerhetünk. Ezért nem mondtunk le arról sem, hogy további módszerekkel is próbálkozzunk. A logisztikus regresszió lineáris modellel dolgozik. A függő változó alapesetben dichotóm lehet, de a multinomiális módszernél nominális függő változóval is dolgozhatunk. A kettőnél több kategóriát tartalmazó magyarázó változókból dichotóm változókat készíthetünk, így ez a módszer is használható. A logisztikus regressziót Stepwise módszerrel százszor lefuttatva cross-validációval vizsgáltuk az eredményeket. A harminc százalékos, tehát hozzávetőlegesen harminc fajtát tartalmazó teszt-szettből átlagosan majdnem tízet rosszul sorolt be a módszer, ez több mint harminc százalékos hibát jelent. Backward stepwise módszerrel futtatva is hasonló lett az eredmény, így egyelőre ezt a módszert elvetettük. A logisztikus regresszió hátránya, hogy ha nem egy közel lineáris törvény van a háttérben, akkor nem dolgozik jól – ebben az esetben az ún. CART módszer lényegesen jobban klasszifikál. A módszer további hátránya, hogy nem tud egyszerre ilyen nagy mennyiségű változót kezelni. Terveink szerint ezt a módszert hátrányai kiküszöbölésével kidolgozva összehasonlítjuk a neurális hálózatok módszer hatásosságával. A CART módszer (klasszifikációs és regressziós fa) sorban, mindig az adatokat a legjobban megkülönböztető változó szerint vágja szét az adathalmazt, így ágakat képezve, és minden adathalmaz-részletet újabb és újabb, az adott lépésben optimálisnak talált változó szerint vág szét. Később a fölösleges ágakat vissza is lehet metszeni, ha ezzel nem romlik lényegesen az osztályozás hatékonysága, így egyszerűsítve a rendszert.

74


A módszer előnye, hogy gyakorlatban jól használható és hatékony, hátránya a hierarchiában van, azaz, hogy ha egy változó az elején nagyon fontosnak tűnik, akkor az mindenképpen meghatározónak fog feltűnni a végeredményben, annak ellenére, hogy lehet, hogy más változók hasonló, vagy akár nagyobb jelentőségűek, de ez csak a későbbiekben derül ki. A CART általánosítása a random forest módszer, amelynek lényege, hogy a változók közül véletlen részhalmazokat generál, majd ezeken a részhalmazokon végzi el a CART módszert, ily módon számos fát alakít ki, és végül abba az osztályba sorolja az adatokat, ahova a legtöbb fa sorolta. További lehetőségként tervezzük még a módszerek kombinálását, például a neurális hálózattal kiválasztott bővebb, 20-30 változóhalmazt vizsgáljuk logisztikus regresszióval.

Hivatkozások Bényei, F., Lőrincz, A. 2005. Borszőlőfajták, csemegeszőlő-fajták és alanyok. Fajtaismeret és –használat. Mezőgazda Kiadó. Budapest. Bishop, C. M. 1995. Neural Networks for Pattern Recognition, Oxford, 1995. Granville, V., Krivanek, M., Rasson, J.P. 1994. Simulated annealing: A proof of convergence. IEEE Transactions on Pattern Analysis and Machine Intelligence 16 (6): 652–656. Kirkpatrick, S., Gelatt, C. D., Vecchi, M. P. 1983. Optimization by Simulated Annealing. Science 220 (4598): 621–630. Masters, T. 1995. Advanced Algorithms for Neural Networks, Wiley, 1995. Németh, M. 1966. Borszőlőfajták határozókulcsa. Mezőgazdasági Kiadó. Budapest. 240. Németh, M. 1967. Ampelográfiai album. Termesztett borszőlőfajták 1. Mezőgazdasági Kiadó. Budapest. 236. Németh, M. 1970. Ampelográfiai album. Termesztett borszőlőfajták 2. Mezőgazdasági Kiadó. Budapest. 276. Specht, D. 1990. Probabilistic Neural Networks, Neural Networks, 3, 1990, pp. 109-118; Specht, D. 1991. A General Regression Neural Network, IEEE Transactions on Neural Networks, 2, 1991, pp. 568-576. This, P., Lacombe, T., Thomas, M.R. 2006. Historical origins and genetic diversity of wine grapes. Trends in Genetics. 22. (9) 511-519.

75


Relációs adatbázis fejlesztése a burgonyanemesítésben Relational Database System for Potato Breeding Program Csák Máté 1

Abstract: The aim of the development was to create a special experimental data recording and quiery software for the potato breeding program at the Georgikon Faculty of the University of Pannonia, Hungary, which is capable of carrying out analyses as well. The framework program of the e-breeding book-under the name of KeSoTu-has been created. The core of the program is a relation data model and a database. Having entered the data of the breeding books collected during previous years, the program can excellently be applied for choosing optimal breeding combinations, for identifying heredity ability of certain parent lines, or for the evaluation of yield experiments. It also gives help set up breeding and planting plans.

Keywords: potato breeding, relation database, SQL, .

Összefoglaló: A fejlesztés célkitűzése egy speciálisan a keszthelyi burgonyanemesítési program számára kidolgozott a kísérleti adatokat nyilvántartó,~lekérdező, elemzések végrehajtására alkalmas számítógépes nyilvántartó program létrehozása volt. Az e-nemesítési könyv – KeSoTu néven - keretprogramja elkészült, melynek alapját egy relációs adatmodell és adatbázis létrehozása jelentette. A több évre visszamenő nemesítési naplók adatainak rögzítése után a program kiválóan alkalmazható pl. az optimális keresztezési kombinációk kiválasztásához, az egyes szülői vonalak bizonyos tulajdonságokat örökítő képességének meghatározásához, a teljesítménykísérletek kiértékeléséhez. ezen felül segítséget nyújt a keresztezési, ültetési tervek elkészítéséhez. Kulcsszavak: burgonyanemesítés, relációs adatbázis, SQL, .

1. Bevezetés A keszthelyi Burgonyakutatási Központban több évtizede folyik burgonyanemesítési munka.(Polgár, 2008) A kutatás egyik nagyon fontos eleme a kísérleti adatok korszerű, precíz, későbbi elemzésre alkalmas formában való felvételezése és azok tárolása. A nemesítők többsége mind a mai napig adataik jelentős részét nem digitális formában, hanem többnyire kézzel vezetett nemesítési naplókban, a kísérleti adatok egy részét már Excel táblázatokban rögzítik. Ezek a tárolási módok azonban nehézkessé teszik az adatok közötti implicit összefüggések gyors feltárását. Így azok kezelése, feldolgozása nehézkes, hosszadalmas, s nem tudják kihasználni a digitális adatbázisok nyújtotta előnyöket. A nemesítési munka során sok olyan kérdés merül fel, amely a ma használatos korszerű adattárolásokkal, könnyen s nagy gyorsasággal megválaszolhatók. Jelen informatikai rendszer létrehozását az indokolja, hogy a PE Burgonyakutatási Központjában a hosszú évek alatt olyan mennyiségű adat halmozódott fel, és keletkezik évről-évre, melyet hagyományos módon már nem lehet hatékonyan átlátni, feldolgozni. A kutatási adatok kezelésére általánosan alkalmazható módszertan sehol a világon nem került kidolgozásra, mivel minden egyes növényfaj nemesítése, és minden egyes nemesítési program is teljesen egyedi. (Kozub et.al., 2000) A keszthelyi Burgonyakutatási Központ is saját kutatási program szerint dolgozik. Ennek megfelelően kellett kidolgozni, fejleszteni egy olyan új - a kor igényeinek megfelelő – információs rendszert, mely nagyban segíti a kutatók munkáját, és ezzel növeli a kutatások hatékonyságát.

1 Pannon Egyetem, Georgikon Kar [email protected]

76


2. A burgonyanemesítés informatikai rendszere Az informatikai rendszer – KeSoTu 2 - célja a nemesítési munka során keletkező adatok (pedigré, genotípus tulajdonságok, termesztési adatok, kísérleti adatok, stb.) relációs adatbázisban történő tárolása, megjelenítése (értékek, képek), tulajdonság szerinti csoportosítása, kiválasztára, valamint a felhasználói igényeket kielégítő lekérdezések elkészítése. További cél a mérés, kiértékelés eredményeként keletkező adatok adatbázisban történő közvetlen tárolása 3. Az adatbázisban szereplő tulajdonságok kiválasztásának szempontjait részben az OMMI fajta leírásai adta (Rátkai et al., 2004, MGSZH 2005), részben pedig a keszthelyi nemesítők szempontjai határozták meg. Az adatbázisban szereplő értékek szintén ebből a forrásból, illetve a keszthelyi fajták esetén a Burgonyakutatási Központ nemesítési naplóiból, illetve kiadványából származnak. A képek forrása az internet, de a keszthelyi fajták esetén saját készítésűek. Az informatikai rendszer MS VisualStudio (VS) 2005 fejlesztői környezetben került megírásra. (Novák et. al., 2002, Demeter, 2008, Campbell et al., 2005, Power et al., 2007, Foxall, 2007, Holzner, 2002). Az adatbázis MS SQL Express Serveren érhető el (Wynkoop, 2002), ezzel biztosítva a több felhasználós elérési lehetőséget. A felhasználói felületet a VS eszközrendszere biztosítja (Menus&Toolbars, Containers, Common Controls, stb.). Külön említést érdemel az adatkezelés eszköztára (Data Toolbox), melynek komponensei (Dataset, DataGridView, BindingSource, BindingNavigator), képezik az alkalmazás működésének alapját. 2.1. Az adatbázis relációs modellje Az adatbázis relációs modellje a normalizáció módszerével készült. (Teorey, Toby J. 1999). A kutatóktól kapott Excel táblázatok – adattárolási szempont szerint – meglehetősen változatos képet mutattak. Első lépésként kialakítottam egy 1NF formájú táblázatot, melyet minta adatokkal töltöttem fel. Ennek alapján már lehetőségem volt a normalizáció végrehajtására, melynek eredményeképpen kialakult az adatbázis relációs modellje. Az adatbázis modellje meglehetősen összetett, ezért 2 részben kerül bemutatásra. Az 1. ábra a Fajták tulajdonságait, és a Betegségek kapcsolatát mutatja be. Jól látható, milyen sok tulajdonsággal bír a Fajták egyed. Ezek közül mintegy 15 kategória jellegű, és ezeket önálló egyedként képeztem le, melyek mindegyike egy a többhöz kapcsolat típussal rendelkezik 4. A nemesítés során nagyon fontos vizsgálati szempont a genotípusok betegségekkel szembeni viselkedése. ennek leképezését a Fajták és a Betegségek egyed több a többhöz kapcsolat típusa írja le. A Betegségek egyed a hozzákapcsolódó kategóriákkal egy a többhöz kapcsolattal bírnak. A 2. ábra a nemesítési naplót hivatott leképezni, szemléltetni. Tulajdonképpen a fajták, genotípusok évenkénti Ültetései adják az alapot a hozzájuk kapcsolódó mérésekhez, és bírálatokhoz5. Külön említést érdemel a Keresztezés kapcsolat, mely a nemesítő tervezői munkáját hivatott segíteni. (Siki, 1995), Tímár et al., 2007, Ullman et al., 2008), Demeter, 1999)

2

Keszthely Solanum tuberosum

3

A teljes informatikai rendszer még nem készült el, ez egy hosszabb fejlesztői munka eredménye lehet.

4

A fejlesztés során felmerült, hogy nem szükséges ezek egyedként való kezelése. Programozási szempontok

azonban ezt felülbírálták. 5

Jelen állapotban az csak az Ültetések rész készült el.

77


1. ábra. KeSoTu relációs modell: Fajták és tulajdonságaik

78


2. ábra. KeSoTu relációs modell: Nemesítési napló 2.2. KeSoTu program A program 3 főrészből áll: Fajta és genotípus tulajdonságok, az ehhez kapcsolódó adatok kezelése Genotípus adatok: ebben a modulban lehet a fajták és genotípusok tulajdonságait rögzíteni, módosítani, megtekinteni (3. ábra). A tulajdonságok zöme legördülő listákból választható. Külön említést érdemel, hogy a fajtákról az aktuális vizsgálatok során digitális képek is készülnek. Például az egészgumó, fél gumó nyers, fél gumó 24 órás szürke, főtt fél gumó képek, egy képanalízisen alapuló új fajtaazonosító és gumóminősítő rendszer vizsgálataiból származik (Csák, 2010, Csák et.al. 2011).

79


3. ábra. Genotípus törzsadatok beviteli képernyő

Tulajdonság alapadatok: a fajtákhoz kapcsolódó tulajdonságok, kategóriák a hazai és nemzetközi szakirodalomban elfogadott értékek karbantartása történik ebben a részben. A tulajdonságok 3 csoportba kerültek besorolásra (irodalom): Termőképesség és gumójellemzők (4. ábra)

4. ábra. Termőképesség és gumójellemzők beviteli képernyő

80


Ellenállóság – Betegségek (5. ábra)

5. ábra. Ellenállóság – Betegségek beviteli képernyő

Felhasználási érték (6. ábra)

6. ábra. Felhasználási érték beviteli képernyő

Nemesítési naplóhoz kapcsolódó adatok kezelése Ültetések: a modul feladata az adott évben az egyes fajták/genotípusok ültetési adatainak rögzítése, karbantartása. Ültetési terv: Ez az almodul segítséget kíván nyújtani az ültetések gyakorlati megtervezéséhez. A folyamat az előző évi adatok beolvasásával indul, majd a nemesítési folyamat szabályrendszerének

81


megfelelően következik az átminősítés, vagyis az aktuális évi ültetési terv programozott elkészítése. Mindkét fázisban a szakembereknek alkalma nyílik az adatok ellenőrzésére, javítására, új adatok felvitelére. A végleges, elkészült tervet elmenthetjük, Excel táblázatba exportálhatjuk.(7. ábra)

7. ábra. Ültetési terv

Ültetési napló: A naplóban lehetőségünk van ültetések évenkénti (3 eszköz is rendelkezésre áll a kiválasztáshoz: legördülő lista, beviteli mező, és csuszka), azon belül ültetési célok szerinti szűrésére. Ez utóbbi teljesen automatikus, és a megfelelő „fül” kiválasztásával megjeleníthető. Az egyes genotípusokhoz megjeleníthetők a származási adatok. (8. ábra)

8. ábra. Ültetési napló

82


Fajták ültetései: Az a lekérdezés megjeleníti az adott genotípushoz tartozó valamennyi ültetést az évek sorrendjében (9. ábra).

9. ábra. Fajták ültetési

Keresztezés: A nemesítési folyamat egyik legfontosabb – hanem a legfontosabb – mozzanata a keresztezési terv évenkénti elkészítése. Ez nagyon nagy szakmai gyakorlatot és lexikális tudást feltételez a nemesítőtől. Ugyanakkor képtelenség a keresztezés szempontjából szóba jöhető több száz, akár ezernyi genotípus valamennyi adatát ismerni. Ez a modul ezt a problémát segít orvosolni. Egyrészt megjeleníti a szóba jöhető anyai és apai genotípusokat és az adott genotípushoz 3 generációra visszamenőleg a családfát (10. ábra).

10. ábra. Keresztezés: Genotípus alap-, és családfa adatok

Másrészt külön féle szűrő-eszközöket biztosít a nemesítési célnak megfelelő tulajdonságú genotípusok megjelenítésére. Az egyik ilyen eszköz, az egyes tulajdonságokhoz kapcsolódó szűrések ki- és bekapcsolásának lehetősége. Ez lehetővé teszi 1-3 tulajdonág egyidejű szűrését. Amennyiben ennél több a szűrési feltétel, úgy egy másik szűrő-eszköz a kombinációs panel is rendelkezésre áll, melynek segítségével összetett szűrési feltételeket állíthatunk össze, dinamikus módon. (11. ábra). Programozási érdekesség, hogy a két lekérdezés más-más programozási technikával készült.

83


11. ábra. Keresztezés: Kombinációs szűrő panel

Harmadrészt a Keresztezés táblában összerendelhetjük a megfelelő genotípusokat, majd menthetjük és szükség esetén Excel táblába exportálhatjuk a keresztezési tervet. Bírálatok: a minősítési időszaknak megfelelő bírálati adatok rögzítése, karbantartása 6 Alapadatok: Minta: a burgonyagumó állapot megnevezései Ültetési célok: a fajták/genotípusok kísérleti időszakon belüli ültetési céljainak megnevezése Minősítési időszak: őszi vagy tavaszi Különféle lekérdezések (Hernandez, 2009, Czenky, 2005, Celko, 2002, Celko, 2003) Fajta/genotípus rosta-szita (geroszi): ebben a modulban – jelenleg - 8 tulajdonság egymástól független és egymástól függő szűrése végezhető el, ehhez járul az egyes tulajdonságok értékeinek száma, mely így több ezer variációs eredményez. (12. ábra)

6

Fejlesztés alatt

84


12. ábra. Fajta/genotípus rosta-szita (geroszi) lekérdezés képernyő

A képernyőn megjelenő lista, paraméteres lekérdezés eredménye. A paraméter értékeinek beállítását – „rosta~/szitaszövés” - a képernyőn az egyes tulajdonságok mellé rendelt szűrések be/kikapcsolásával, illetve a tulajdonságértékek kiválasztásával érhetjük el. Az alábbi kódrészlet a „geroszi” működését szemlélteti: a választás memóriaváltozó egy 8 karakteres string, mely az aktuális szűrési állapotot prezentálja. Select Case választás … Case "11010000" ’Héjszín+Hússzín+Tenyészidő Me.FajtákTableAdapter.FB_HéjHúsTenyészidő(Me.KeSoTuDataSet.Fajták, CB_Héjszín.SelectedValue, CB_Hússzín.SelectedValue, CB_Tenyészidő.SelectedValue) End Select

A CB_Héjszín.SelectedValue, CB_Hússzín.SelectedValue, CB_Tenyészidő.SelectedValue legördülő listaelemek (combobox) aktuális értékei adódnak át paraméterként az FB_HéjHúsTenyészidő SQLlekérdezésnek. A teljes utasítás a következő: SELECT Anya, Apa, F1, F2, FJ_azon, Fajtanév, [Főzési típus], Gr, Gumóforma, Gumóméret, Hajlam, Héjszín, Hússzín, Keményítő, Ko, Lb, Mech_tk, Megjegyzés, Piacosság, Rezisztencia, SFD_chips, SFD_fél, SFD_fél_főtt, SFD_fél_ny, SFD_gumó, Stab, Struk, SzüFőtt, SzüNy, Tenyészidő, Termés, Tárolhatóság, Törzsszám, Virágszín, VÉ_termés, betakarítás, kép_bokor, kép_bokoralj, kép_chips, kép_egész, kép_fél, kép_fél_főtt, kép_fél_ny, kép_kosár, kép_láda, kép_szf, kép_virág, m_év, Éip, Íz, ültetés FROM Fajták WHERE (Héjszín = @Héjszín) AND (Hússzín = @Hússzín) AND (Tenyészidő = @Tenyészidő)

A szűrés eredményét a 13. ábra mutatja:

85


13. ábra. Szűrési paraméterek beállítása után megjelenő eredmény képernyő

Családfa: a családfa különféle szintjén elhelyezkedő családtagok rokoni kapcsolatai tárhatók fel. Jelenleg a szülő-gyerek kapcsolat készült el. Az 14. ábra az NDK 71.17/6N+B apa gyermekeinek tulajdonságait mutatja. A modul – a szűrőfeltételek beállításától függően – alkalmas anyai leszármazottak, apai leszármazottak, és közös leszármazottak megjelenítésére.

14. ábra. Családfa lekérdezés: szülő gyerek viszony

Összefoglalás A Pannon Egyetem Agrártudomány Centrum Burgonyakutatási Központjában az elmúlt 2 évben a burgonyanemesítési kutatások segítésére egy relációs adatbázison alapuló elektronikus nemesítési napló fejlesztése vette kezdetét. A fejlesztés eddigi eredményeként elkészült az alkalmazás alapját

86


képező relációs modell, az adatbázis, és a fontosabb program modulok (keresztezés, ültetés), valamint más programokkal történő adatkapcsolat megteremtése. Megkezdődött és folyamatosan történik az adatbázis adatokkal történő feltöltése az elmúlt évekre visszamenőleg is. Az elkövetkező időszakban tovább folytatódik a rendszer fejlesztése a hiányzó modulokkal (fajta bírálatok, laboratóriumi~ és vírus vizsgálati adatok rögzítése), és új lekérdezési lehetőségek elkészítésével.

Hivatkozások Campbell, S. - Ruggles, O. (2005): Microsoft Visual Basic 2005 fejlesztőknek, Szak Kiadó. Celko, J. (2002): SQL Felsőfokon, Kiskapu. Celko, J. (2003): SQL Fejtörők, Kiskapu. Czenky M. (2005): Adatmodellezés - SQL és ACCESS alkalmazás - SQL Server és ADO, ComputerBooks. Csák, M. (2010): „Burgonya fajták minősítése, és a burgonyanemesítés informatikai rendszere.”(Fajta azonosítás és minősítés digitális képanalízis felhasználásával), disszertáció Csák, M. – Hegedűs, G. – Polgár, Zs. (2011): Identification of Potato Genotypes by Using Digital Image Analysis, JCEA, Vol.: 12(1), pp.195-214. Demeter M. I. (1999): Adatbázis-kezelés Visual Basic-ben, Panem Kiadó. Demeter M. I. (2008): Visual Studio 2005 & 2008, Panem Kiadó. Foxall, J. (2006): Tanuljuk meg a Visual Basic 2005 használatát 24 óra alatt, Kiskapu. Hernandez, M. J. – Viescas, J. L. (2009): SQL-lekérdezések földi halandóknak, Kiskapu. Holzner, S. (2002): Visual Basic .NET Fekete Könyv I.-II. kötet, Perfact-Pro. Kozub, J. G, Lynch, D. R., Kozub, G. C., Kaxchuk, L. M., Fujimoto, D. K. (2000):Relational database system for potato breeding programs. American Journal of Potato (77), pp. 95-101. MGSZH (2005): Burgonya Kísérleti Módszertan, TG/23/67. EU 2005/91/EK irányelve, 2005. december 16, 2002/53/EK tanácsi irányelv 7. cikkely. Novák I. - Borbély A. - Holpár P. (2002): .NET fejlesztői infrastruktúra 1., Grepton Rt. Polgár Zs. (2008a): Ismertető a Burgonya Kutatási központ tevékenységéről, Burgonya Ágazati Fórum, Keszthely. Powers, L. - Snell, M. (2007): Microsoft Visual Studio 2005 Unleashed, Sams. Rátkai J. - Czirák L. - Proksza P. (2004): Burgonya, Országos Mezőgazdasági Minősítő Intézet. Siki Z. (1995): Adatbázis-kezelés és szervezés, Kézirat, BME, Budapest. [online] elérhetőség: http://www.agt.bme.hu/szakm/adatb/adatb.htm Teorey, Toby J. (1999): Database modeling & design. San Francisco, Morgan Kaufmann Publisher Tímár L. et al. (2007): Építsünk könnyen és lassan adatmodellt!, Pannon Egyetemi Kiadó, 46/2007, pp. 23-99. Ullman, J. D. – Widom, J. (2008): Adatbázisrendszerek Alapvetés 2. átdolgozott kiadás, Panem Kiadó. Wynkoop, S. (2000): Miscosoft SQL Server 7.0 kézikönyv I-II. kötet, Kiskapu Kiadó.

7

Test Guide: Potato Guidelines for the conduct of tests for distinctness, uniformity and stability

87


4Mx légkör-talaj-növény modell: alkalmazások, lehetőségek és kihívások Fodor Nándor1

Összefoglaló: A szimulációs növénytermesztési modellek a légkör-talaj-növény rendszer főbb folyamatait dinamikusan, általában napi léptékben, írják le. Segítségükkel folyamatos képet kaphatunk a meteorológiai/környezeti feltételek mellett a talajban és a növényben lejátszódó folyamatok alakulásáról. A szimulációs növénytermesztési modellek eredményesen használhatók az alábbi területeken: (1) Oktatás: A rendszerszemléletű gondolkodást előtérbe helyezve mutathatók be a légkör-talaj-növény rendszer sokrétű kölcsönhatásban lévő folyamatai és az emberi beavatkozások környezetvédelmi vonatkozásai. (2) Kutatás: Kísérletek és megfigyelések térbeli illetve időbeni kiterjesztése, többek között a klímaváltozás várható hatásainak feltérképezése. (3) Gyakorlat: Intelligens öntözésvezérlés illetve döntéstámogató rendszerek háttérszámításainak végrehajtása. Jogszabályalkotás szakmai hátterének biztosítása. A 4Mx szimulációs növénytermesztési modell különlegessége, hogy a működését szabályozó paraméterek értékén túl a szimulált folyamatokat leíró függvények típusának változtatására is lehetőséget kínál a felhasználói felülete. A 4Mx modell alkalmazhatóságát néhány esettanulmányon keresztül mutatjuk be. Kulcsszavak: modell, determinisztikus, oktatás, kutatás, döntéstámogatás

1. Bevezetés A világegyetemben megfigyelhető objektumok illetve jelenségek (összefoglalóan: valóság-elemek) többsége olyannyira bonyolult, hogy felfogásuk, áttekintésük illetve megértésük elképzelhetetlen valamilyen mértékű absztrakció nélkül. Az absztrakció során a szóban forgó valóság-elemet egy felépítésében és/vagy működésében hasonló, de egyszerűbb modellel helyettesítjük (Rosenblueth and Wiener, 1945). Ennél fogva a modellek fontos szerepet játszanak a tudományos megismerésben. Azokat a modelleket, ahol az egyes folyamatokat leíró tudományos összefüggések egységes és működő rendszerbe kerülnek, és amelyekben a folyamatok időbeli és oksági kapcsolatai is leírásra kerülnek, szimulációs modellnek nevezzük. A szimulációs növénytermesztési modellek közvetlen célja az, hogy az igen bonyolult légkör-talaj-növény rendszer folyamatait, beleértve az emberi tevékenységet is, matematikai eszközökkel leírják, és számítógép segítségével szimulálják. A végső cél azonban az, hogy ezen modellek felhasználásával olyan kérdésekre kapjunk választ, amelyeket egyébként csak drága, időigényes esetleg kivitelezhetetlen kísérletek illetve megfigyelések segítségével kaphatnánk meg. A rendszerszemléletű modellezés Forrester (1968) és Meadow (1972) munkáihoz nyúlik vissza. A gyakorlati szántóföldi növénytermesztést szolgáló rendszermodellezés az 1980-as években született meg az Amerikai Egyesült Államokban (Ritchie, 1985; Jones and Kiniry, 1986) Európában inkább elméleti megközelítésből, de lényegében hasonló felépítésű rendszermodell lett a fejlesztés eredménye (Diepen et al., 1989). Hazánkban kiemelendő Harnos (1985), Kovács (1995), Rajkai (2001), Huzsvai (2006) és Farkas et al. (2005) munkája, aki saját fejlesztésű vagy külföldi modellek adaptálásával igyekeztek modellezni a légkör-talaj-növény rendszer egészének vagy főbb részeinek működését. Az MTA Talajtani és Agrokémiai Intézetében a 1990-es évek elejétől használjuk a DSSAT szoftvercsomagba tartozó CERES és CROPGRO növénytermesztési modellcsaládot. Több tanulmány igazolja, hogy ezek a modellek sikeresen használhatók a kutatásban és gyakorlati problémák megoldásában is (Kovács et al, 1995; Jamieson et al., 1998). Az egyre gyarapodó kísérleti eredmények azonban szükségessé teszik ezen modellek fejlesztését is, amely bár elvileg kivitelezhető, hiszen a forráskódok hozzáférhetők, a DSSAT fejlesztőcsapat még sem támogatja független/külsős csoportok fejlesztési kezdeményezéseit. Ennek okán, magyar kutatók egy kis csoportja (Magyar Mezőgazdasági Modellezők Műhelye: 4M) 2000-ben hozzákezdett egy hazai fejlesztésű növénytermesztési modell megalkotásához. Az első változat még tulajdonképpen csak egy Delphi-ben programozott CERES klón volt (Fodor et al., 2002). Azóta azonban a 4M modell több új modullal és kisegítő alkalmazással

1

MTA Agrártudományi Kutatóközpont Talajtani és Agrokémiai Intézet

88


bővült és számottevő szerkezeti átalakításokon ment át. Jelen tanulmány célja a legújabb 4M modell (4Mx) működésének bemutatása és néhány a modell segítségével elért eredmény ismertetése.

2. A 4Mx model leírása 4Mx egy napi léptékű, determinisztikus modell, amely számításait a légkör-talaj-növény rendszer számszerű (paraméterek és változók) jellemzői határoznak meg. A paramétereken túl, amelyek a rendszer fizikai, kémiai és biológiai jellemzőit definiálják, a főbb változók kezdő-, perem- és kényszerfeltételeit is meg kell adni a modell számára. A bemenő adatok között szereplő paraméterek a modell függvényeit és egyenleteit szabályozzák: a növények fejlődését és növekedését illetve a talaj nedvesség-, hő- és tápanyagforgalmát. A kezdőfeltételek közül a talajszelvény egyes rétegeinek nedvesség- és tápanyagtartalma a legfontosabb. A peremfeltételek tulajdonképpen a napi meteorológiai adatok, de idetartozik a talajvíz mélysége is. A kényszerfeltételek tulajdonképpen az emberi beavatkozás számszerű kifejeződései: trágyázással, vetéssel, öntözéssel és betakarítással kapcsolatos adatok. A növényi fejlődés és növekedés mellett a modell a talajnedvesség-, hő és tápanyagforgalmát is szimulálja. Ez utóbbi magába foglalja a három fő tápelem (NPK) átalakulási és migrációs folyamatait, beleértve a nitrátlemosódást és az NOx típusú üvegház hatású gázok kibocsátásáért felelős denitrifikációt is (1. ábra).

1. ábra. A 4Mx modell folyamatábrája. A 4Mx szimulációs növénytermesztési modell különlegessége, hogy felhasználói felülete a működését szabályozó paraméterek értékén túl a szimulált folyamatokat leíró függvények típusának/képletének változtatására is lehetőséget, így elvben bármely növény szimulációjára alkalmassá tehető a forráskód manipulálása nélkül. Ezt a típust keretmodellnek hívják.

89


A fenológiai fejlődése a hőmérséklettől függ, amelyet hőidő (TT) formájában vesz figyelembe a modell. A hőidő a napi középhőmérséklet és a növénytől függő bázishőmérséklet különbsége, mértékegysége a hőfoknap (°Cd). A bázishőmérséklet az a hőmérséklet, amely alatt a növény már nem fejlődik. A fenológiai fázisok hosszát (hőfoknapban) a felhasználónak kell megadnia. A napi anyagképződést egy fény-anyag konverziós egyenlet [1] definiálja a modellben, amely fő paramétere a fényhasznosítási index (RUE). A napi asszimilácó mértéke függ a beérkező globálsugárzás (R) mennyiségétől, a levélfelület indextől (LAI), az állománysűrűségtől (D), a hőmérsékleti (ST), vízhiány (SW) és nitrogénhiány (SN) stressz-faktorok minimumától és a légköri CO2 koncentrációtól.

(1)

M  RUE 





R  1  e 0.55LAI  minS T , S W , S N   f CO 2  D

A növényben keletkező anyag a növény 4 fő része (gyökér, levél, szár, termés) között kerül megosztásra. A megosztás arányai fejődési szakaszonként változnak. Kukorica esetében például, korai szakaszban a friss anyag nagy része a gyökérbe és a levelekbe kerül, míg a fejlődés végén szinte kizárólag a termésbe. A levelekbe kerülő anyagmennyiségből a levélfelület-növekmény kiszámítása a fajlagos levélfelülettel való szorzással történik. Ezen paraméter értéke is változik a növény fejlődése során. Minden levélfelület-rész kora, amely napró-napra hozzáadódik a teljes levélfelülethez, az aktuális napi hőidővel növekszik. Az a levélfelület-rész, amely kora meghaladja a ’levél élettartama’ paraméter értékét elhal, és többé nem vesz részt a fotoszintézisben. A lefelé történő gyökérnövekedés mértéke [2] a napi hőidő (TTd) illetve a vízhiány (SW) és nitrogénhiány (SN) stressz-faktorok minimumának függvénye. Az ’a’ paraméter értéke változhat a növény fejlődése során. A gyökéreloszlás alakját a felhasználó állítja be. (2)

RE  a  TTd  minS W , S N 

A nedvességforgalmi modul az alábbi részfolyamatokat számítja: felszíni elfolyás, párolgás, párologtatás, lefelé illetve felfelé szivárgó víz mennyisége. A talajt egymás alatt elhelyezkedő víztartályok sorozataként modellezi, amelyeket 4 paraméterrel jellemez: maximális vízkapacitás (Θmax), szabadföldi vízkapacitás (Θfc), hervadás ponti vízkapacitás (Θwp) és hidraulikus vízvezetőképesség (KS). Ha a rétegbe érkező víz feltelíti a réteget (Θ > Θ max), a vízfelesleg visszatorlódik az eggyel fentebbi rétegbe és adott esetben a felszínre, ahol elfolyik. Ha a réteg nedvességtartalma (Θ) nagyobb, mint a szabadföldi vízkapacitás (Θ max  Θ > Θfc) a víz egy része (Q) az eggyel lejjebbi rétegbe kerül [3]. (3)

Q  DC    fc   z

DC az un. drénkonstans, amely a hidraulikus vízvezetőképességből származtatható az alábbi képlettel [4] z pedig a réteg vastagsága. (4)

DC = 0,1122.KS0,339

Ha a réteg nedvességtartalma nem éri el a szabadföldi vízkapacitást (Θfc  Θ > Θwp) nincs lefelé történő vízmozgás, habár a réteg nedvességtartalma csökkenhet a növényi vízfelvételnek köszönhetően. Amennyiben a réteg nedvességtartalma a hervadás ponti vízkapacitás értéke alá csökken a növényi vízfelvétel is megszűnik. Adott mélységben (x) az aktuális talajhőmérséklet (Tsoil) kiszámításakor a modell figyelembe veszi, hogy a sugárzó energia a talaj felszínét éri és a hőnek időre van szüksége ahhoz, hogy mélyebb rétegekbe is eljusson, miközben egy része elnyelődik. A felszínt érő energia hatása nagyobb

90


mélységekben késleltetve és gyengítve jelentkezik. A késleltetés és a gyengülés mértéke a feltalaj átlagos nedvességtartalmának (Θavg) és térfogattömegének (BDavg) függvénye. A modell feltételezi, hogy a talajfelszín hőmérsékletének szinuszos éves menete van, amelyet egy albedoból, a napi maximum és minimum hőmérsékletekből és a globálsugárzásból számított faktor ötnapos mozgó átlagával (FD5) módosít [5].  Td     Tamp  cos 0,0174 (i  I)  x  f1   avg , BD avg          F   e x f 2  avg , BDavg  i x    T (5) Tsoil  D5   avg 2    

Tavg és Tamp a hely átlaghőmérsékletét és átlagos hőingását, míg i az év napját jelöli. I értéke az északi illetve déli féltekén 200 illetve 20. A modell tápanyagforgalmi modulja egyszerű egyenletekkel írja le nitrogén mérleg be- és kimeneti oldalán szereplő tényezőit: légköri ülepedés, trágyázás, mineralizáció, nitrifikáció, immobilizáció, denitrifikáció, növényi felvétel és nitrátkimosódás. A légköri eredetű nitrogén mennyisége a csapadékmennyiség lineáris függvénye. A szerves és szervetlen trágyából származó nitrogénformákat a modell eltérő módon kezeli. A mineralizáció üteme a talaj humusz- és nedvességtartalmának illetve hőmérsékletének függvénye. A talaj nedvességtartalma és hőmérséklete befolyásolják a nitrifikáció illetve denitrifikáció ütemét is, amelyek a talaj NH4 illetve NO3 tartalmának függvényei. A növényi nitrogén felvétel potenciális mértéke függ a talajban található gyökér mennyiségétől és egy talajnedvesség-függő faktortól. A tényleges nitrogénfelvétel függ a növény igényétől, amely az adott napon előállított anyag és a növény fajlagos nitrogéntartalmának szorzata. Az utóbbi a növény fenológiai fejlődése során változik. A nitrátkimosódás mértéke arányos a talaj nitrát koncentrációjával és a gyökérzónát lefelé elhagyó víz mennyiségével. A modell szervesanyag-forgalmi (SOM) modulja Parton et al. (1987) munkáján alapszik.

3. Alkalmazási lehetőségek, akadályok és kisegítő modulok A szimulációs növénytermesztési modellek, így a 4Mx is eredményesen használható az alábbi területeken: (1) Oktatás (az élet- föld-, és agrártudományok kurzusaiban): A rendszerszemléletű gondolkodást előtérbe helyezve mutathatók be a légkör-talaj-növény rendszer sokrétű kölcsönhatásban lévő folyamatai és az emberi beavatkozások környezetvédelmi vonatkozásai. (2) Kutatás: Kísérletek és megfigyelések térbeli illetve időbeni kiterjesztése, többek között a klímaváltozás várható hatásainak feltérképezése. (3) Gyakorlat: Intelligens öntözésvezérlés illetve döntéstámogató rendszerek háttérszámításainak végrehajtása. Jogszabályalkotás szakmai hátterének biztosítása. Az eredmények fejezetben mindhárom területről bemutatunk egy-egy példát. A szimulációs növénytermesztési modellek használatának és fejlesztésének három fő akadálya van: (1) a modell szoftverének kötöttsége; (2) a modell hardverigénye és az (3) adathiány. A szoftver kötöttségéről már szó esett a bevezetőben. A modellek felhasználói felületei csak néhány paraméter módosítására adnak lehetőséget. A többi paraméter a forráskódban van rögzítve, amely egy átlag felhasználó számára nem hozzáférhető. Például a CERES modellben a fényhasznosítási index (RUE) a kukorica esetében 4 g/MJ-ban van rögzítve, pedig a legfrissebb kísérleti adatok szerint a RUE értéke 3,5 és 4 között változik. A modellfejlesztők nem veszik szívesen, hogy az általuk fejlesztett szoftverbe, ’fejlesztésre’ hivatkozva bárki belenyúljon. Ezért a modellek forráskódjai legtöbb esetben nem hozzáférhetők. A modellekről közzétett leírások pedig sok esetben nem egyértelműek vagy csak vázlatosak, amely a modell leprogramozását nem teszi lehetővé. Azokban az esetekben, amikor a forráskód nyitott, komoly informatikai ismeretek szükségesek a kívánt változtatások/fejlesztések végrehajtásához. Egy átlagos kutató számára, a személyi számítógépek számítási képességei egészen a 2000-es évek elejéig nem tették lehetővé, hogy a modelleket olyan problémák (finom térbeli felbontású és/vagy hosszú idősoros esettanulmányok, paraméter-optimalizálás, stb.) megoldására használjuk, amelyek

91


nagyszámú futást igényelnek (1. táblázat). Mivel a 4Mx un. keretmodell a futási ideje hosszabb, mint egy átlagos növénytermesztési modellé, hiszen a számítások elvégzése során a felhasználó által megadott függvényeket értelmeznie kell a számítógépnek. Egy teljes országra kiterjedő klímaváltozással kapcsolatos hatástanulmány során, ahol több száz meteorológiai cella és tucatnyi talajféleség illetve növényfajta kombinációjára 100 éves szimulációk átlageredményeire vagyunk kíváncsiak, még a leggyorsabb PC-knek is napokba telik az összes számítás elvégzése. 1. táblázat. Egy kukorica tenyészidőszak (5-6 hónap) végigszámolása valós időben

Processzor (Intel)

A processzor Futási idő megjelenésének éve (CERES)

286 386 486 Pentium-I Pentium-IV Core i7

1982 1985 1989 1993 2000 2011

10 óra 7 perc 4 perc 30 mp 5 mp 0,3 mp

Futási idő (4Mx) 27 mp 1,5 mp

A három fő akadály közül az adathiány jelenti a legkomolyabb problémát. Megfelelő minőségű és mennyiségű adat nélkül a modellek kalibrációja és validációja nem kivitelezhető. Ezek nélkül pedig ezek a modellek egy számítógépes játék szintjén maradnak. Teljes és homogén adatbázisokra van szükség ahhoz, hogy a modellek tesztelés során ki tudjuk szűrni a modellbe kódolt elméleti tudás gyengeségeit, hiányosságait. A teljes azt jelenti, hogy miden adatot, amelyre a modell kalibrálásához és validálásához szükség van, méréssel határozunk meg. A homogén azt jelenti, hogy mindent a megfelelő helyen és időben, a megfelelő térbeli és időbeli léptékkel mérünk. Ott és úgy mérünk, ahol és ahogy kell, amibe a műszerek rendszeres karbantartása is beletartozik. Régebben beállított és/vagy nem modellezők által beállított kísérletek adatbázisa esetében szinte kivétel nélkül az a helyzet, hogy egy vagy több kulcsfontosságú adat hiányzik a szimulációs modell alkalmazásához. Az adathiány leküzdésének két lehetséges módja az adatpótlás és az adatgenerálás. Ennek megfelelően a 4Mx növénytermesztési modell szoftvercsomagban helyet kapott egy talaj-paraméterek becslésére alkalmas modul (Fodor és Rajkai, 2011), egy globálsugárzás-becslő eljárás (Fodor és Mika, 2011) és egy sztochasztikus időjárás-generátor (Fodor et al., 2010). A két meteorológiai vonatkozású eljárás egy nagy észak-amerikai adatbázison került tesztelésre kiváló eredménnyel. Ezekről rövid összefoglalót az Eredmények fejezetben adunk. A 4Mx modell egyik legújabb felhasználási lehetőségét az MM5 mezo-skálájú meteorológiai modellel (Oncley and Dudhia, 1995) történő összekapcsolása jelenti. Ezáltal megvalósítható a talaj illetve a földhasználati viszonyok klímára gyakorolt hatásának vizsgálata is.

4. Eredmények 4.1. 4Mx az oktatásban Az elmúlt 10 év során a 4M modellt a Debreceni Egyetemen, a Corvinus Egyetemen és az Eötvös Loránd Tudomány Egyetemen is bevezettük az oktatásba. Ez elméleti felkészítés után, a diákok gyakorlati foglalkozások során próbálhatják ki a modellezésről szerzett ismereteiket. A gyakorlati foglalkozások végén nagy népszerűségnek örvend az un. virtuális növénytermesztési verseny, melynek során egy adott talaj, év illetve növény adatait felhasználva kell a lehető legnagyobb termés elérni. A verseny során a társaság elég gyorsan két csapatra bomlik: (számítógépes szerepjáték hasonlattal élve) a ’mágusok’-ra illetve ’techokraták’-ra. A ’mágusok’ igyekeznek a klimatikus viszonyokat megváltoztatni a modell segítségével: több esőt juttatnak a növényeknek, megnövelik a légköri CO2 koncentrációt, sőt egyesek még a sugárzás mennyiségét is megemelik. Őket természetesen figyelmeztetni kell a bolygónk Naphoz viszonyított helyzetéből adódó korlátokra. A ’technokraták’ az agrotechnikai adatokat igyekeznek manipulálni. Számukra tanulságos tapasztalat például annak a

92


megállapítása, hogy egy menetben fölösleges egy adott mennyiségnél több öntözővizet kijuttatni, a több víz nem eredményez terméstöbbletet (2. ábra).

2. ábra. Virtuális öntözési kísérlet eredménye a 4Mx modellben. 4.2. 4Mx a kutatásban A szimulációs növénytermesztési modelleket előszeretettel használják klímaváltozással kapcsolatos hatástanulmányokban. Ilyenkor nagy kihívást jelent a modell inputigényének kielégítése illetve a modell előzetes validálása. Egy Magyarországra elvégzett hatástanulmány (Fodor et al., 2012) esetében a 4Mx bemenő adatait hazai adatbázisokból kiindulva, becslőeljárások illetve inverz modellezés segítségével állítottuk elő (3. ábra). A felhasznált meteorológiai illetve talaj adatbázisok 10×10 illetve 1×1 km-esek voltak.

3. ábra. A 4Mx modell alkalmazása egy klímaváltozási hatástanulmányban. A bemenő adatok előállítása és a parametrizálás után, a modell verifikálást a 2002-2006-os időszakra végeztük el. Kukorica, őszi búza, napraforgó, tavaszi árpa és repce gabonegységben kifejezett számított termésátlagait hasonlítottuk a KSH hasonló adataival Magyarország 19 megyéjére (4. ábra).

93


4. ábra. A 4Mx modell által számított és a KSH adatbázisból kigyűjtött termésátlagok, 2002-2006. A modell verifikálása után jelenkori majd egy klímaváltozási forgatókönyv (IPCC SRES A1B) alapján módosított meteorológia adatsor alapján meghatároztuk a terméseredmények jelenkori és a jövőben (2100 körül) várható területi eloszlását (5. ábra). A szimulációs eredmények szerint a termésátlagok csökkenése várható az elkövetkező 100 évben, amely két fő oka a nyári csapadékmennyiség nagymértékű (~30 %) csökkenése illetve az átlaghőmérséklet jelentős (~3 °C) emelkedése miatt megnövekvő evapotranszspirácó. Úgy tűnik, hogy ezeket a negatív hatásokat a CO2 növekedésének fotoszintézist serkentő hatása nem tudja ellensúlyozni. A terméseredmények ingadozásának növekedése további problémát jelent majd a gazdaságos termelés szempontjából.

5. ábra. A 4Mx modell által számított jelenkori és jövőbeli, cellákra vonatkozó termésátlagok. A hőmérséklet az egyik legfontosabb változó, melyet a talaj állapotának szimulációja során a modell nyomon követ. A talajhőmérséklet befolyásolaj a csírázás sebességét, a növény növekedését, a tápanyagok felvételét, a talajlégzést, a talajpárolgást és a talajban lezajló fizikai, kémiai és biológiai folyamatok sebességét. Ennek ellenére a CERES és az utódjának tekinthető 4Mx modell talajhőmérséklet modulját, amely az empirikus modellek kategóriájába tartozik, még nem tesztelték hazai adatokon.

94


2010 márciusában egy agro-meteorológiai állomás kezdte meg működését az MTA ATK TAKI őrbottyáni kísérleti telepén: összesen 8 parcellán, két kezelés (öntözött-nem öntözött; optimálisan trágyázott-nem trágyázott) két ismétlésben. A kísérlet indulásakor minden parcellán 3 ismétlésben talajfizikai és talajkémiai feltárást végeztünk. A 0-30, 30-60 és 60-90 cm mélységben található rétegekből származó bolygatatlan és bolygatott minták segítségével meghatározásra kerültek az alábbi talajjellemzők: térfogattömeg, humusztartalom, mechanikai összetétel, pF, K S, pH, Arany-féle kötöttség, AL-P2O5, AL-K2O, CaCO3, MgKCl, EDTA-Zn, EDTA-Cu és EDTA-Mn tartalom. Parcellánként 3 TECANAT béléscsövet helyeztünk el melyek segítségével 10 cm-es felbontásban, 090 cm mélységben, TDR technikán alapuló precíziós talaj-nedvességmérést tudunk végezni. A béléscsőbe helyezhető TRIME-FM3 szenzorral, 10 cm-es felbontásban, 7-10 napos gyakorisággal mérjük parcellák nedvességtartalmát. Minden parcella közepén 5 db adatgyűjtős talajhőmérőt helyeztünk el, amelyek 15 perces gyakorisággal mérik a hőmérsékletet 5, 10, 20, 40 és 60 cm-es mélységben. A parcellák mellett felállítottunk egy meteorológiai állomást, amely 5 perces gyakorisággal rögzíti a sugárzás, szélsebesség és -irány, léghőmérséklet és relatív páratartalom valamint a csapadék adatokat. Az elmúlt három évben kukorica növénnyel folytak a megfigyelések. A növények magasságát, levélfelületét, főbb részeinek (levél, szár, termés) tömegét az eltávolított mintanövényeken végzett mérésekkel határoztuk meg, 7-10 napos gyakorisággal. A 4Mx modell talajhőmérséklet modulját az őrbottyáni megfigyelő állomás adatai segítségével teszteltük. Mivel minden modell által igényelt meteorológiai és talaj adat rendelkezésre állt a helyi mérések alapján, egyedül a növényi paramétereket kellett beállítani úgy, hogy megfigyelt és számított LAI értékek lehető legjobb egyezést mutassák (6. ábra). Azért választottuk a LAI-t a paraméteroptimalizálás cél-változójának, mert a növényállomány fejlettsége döntő módon befolyásolja a talaj hőmérsékletének alakulását.

6. ábra. A levélfelület index időbeli alakulása az MTA ATK TAKI őrbottyáni telephelyén beállított öntözési kísérlet egyik kontrol (nem trágyázott és nem öntözött) parcelláján. Két év, két teljes tenyészidőszak adatai állnak rendelkezésre: 2010 és 2011. 2010-ben közel 2,5szer több csapadék esett a kukorica tenyészidőszakában, mint 2011-ben (722 ill. 295 mm). Ennek megfelelően a levélfelület index szezonális alakulás lényegesen eltérő volt a két évben (6. ábra). A növényi paraméterek beállítása után összehasonlítottuk a modell által számított és a megfigyelt talajhőmérséklet értékeket. Az összehasonlítás során nyilvánvalóvá vált, hogy a nagyobb mélységekben a modell jelentősen felülbecsli a hőmérsékletet. Egy korrekciós tényező beépítésével (’c’ paraméter az [5] képletből származtatott [6] egyenletben) sikerült számottevően javítani a modell teljesítményén (7. ábra). Az új paraméter természetesen hozzáférhető a modell felhasználói felületén keresztül. (6)

i x   Td  e Tsoil

95



c x f 2 iavg , BD avg




7. ábra. Mért illetve a 4Mx modell eredeti (baloldali ábra) és módosított (jobboldali ábra) talajhőmérséklet modulja által számított értékek az MTA ATK TAKI agro-meteorológai állomásának egyik parcelláján. 4.3. 4Mx a gyakorlatban Az EU szakemberei, minden tagállamban így hazánkban is, öt évente felülvizsgálják a Nitrát Rendelet (91/676/EEC) gyakorlati megvalósulását. Az összegyűjtött tapasztalatok alapján módosítási javaslatokat fogalmaznak meg a tagállamok számára a nitrátlemosódás kockázatának csökkentése érdekében. A legújabb, Magyarország számára megfogalmazott javaslat szerint meghosszabítanák a téli trágyázási tilalmi időszakot. Jelenleg február 1-ig tart a tilalmi időszak, amelyet március 1-ig hosszabbítanának meg. Félő azonban, hogy az őszi vetésű növények tavaszi starter trágyázásának megkezdésében ez az egy hónapos ’kényszerű késlekedés’ számottevő terméskieséshez vezethet. Ugyanakkor, ahogy az EU szakemberei érvelnek, minél hamarabb kerül ki a trágya tavasszal, annál nagyobb valószínűsége a nitrátlemosódásnak. A trágyázási tilalmi időszakra vonatkozó módsoítási javaslat kapcsán az alábbi kérdés fogalmazható meg: A tavasszal korábban kijuttatott trágya valóban megnöveli-e a nitrátlemosódás kockázatát? A kérdés megválaszolására a 4Mx modellt használtuk fel. A modell bemenő adatait a 4.2. fejezetben vázolt módszerrel (3. ábra) állítottuk elő. Négy eltérő talajféleségen, négy különböző vetésforgó esetében vizsgáltuk a nitrátlemosódás mennyiségét attól függően, hogy a starter trágyázás dátuma február 1, február 15 vagy március 1 volt. A szimulációs eredmények szerint, talajféleségtől függetlenül, a későbbi starter trágyázás szignifikáns terméskieséshez vezet, ugyanakkor a nitrátlemosódás mennyiségét nem csökkenti, sőt kis mértékben növeli (8. ábra). Ezek alapján a téli trágyázási tilalmi időszak meghosszabbítása környezetvédelmi szempontból sem indokolt.

96


8. ábra Számított átlagos, évi nitrát lemosódás értékek 4 különböző vetésforgóban és talajféleségen annak függvényében, hogy a tavaszi első műtrágyázás mely napon (hh.nn) történt.

Köszönetnyilvánítás Jelen tanulmány az OTKA K-81432 pályázat támogatásával készült.

Hivatkozások Diepen, C. A., J. van Wolf, H. van Keulen 1989. WOFOST: a simulation model of crop production. Soil Use and Management 5: 16-24. Farkas, Cs., R. Randriamampianina, J. Majercak. 2005. Modelling impacts of different climate change scenarios on soil water regime of a Mollisol. Cereal Research Communications 33(1): 185-188. Fodor, N., G. Máthéné-Gáspár, K. Pokovai, G. J. Kovács. 2002. 4M - software package for modelling cropping systems. European J. of Agr. 18(3-4): 389-393. Fodor, N., I. Dobi, J. Mika, L. Szeidl. 2010. MV-WG: a new multi-variable weather generator. Meteorology and Atmospheric Physics 107: 91-101. Fodor, N., K. Rajkai. 2011. Computer program (SOILarium 1.0) for estimating the physical and hydrophysical properties of soils from other soil characteristics. Agrokémia és Talajtan 60: 27-40. Fodor, N., J. Mika. 2011. Using analogies from soil science for estimating solar radiation. Agricultural and Forest Meteorology 151: 78-85. Fodor, N., L. Pásztor, T. Németh. 2012. Coupling the 4M crop model with national geo-databases for assessing the effects of climate change on agro-ecological characteristics of Hungary. International Journal of Digital Earth, DOI:10.1080/17538947.2012.689998 Forrester, J. W. 1968. Principles of systems. Cambridge, Mass., U.S.A.: Wright-Allen Press. Harnos, Zs. 1985. Az agroökológiai adottságok rendszerének matematikai modellezése. Doktori értekezés, Budapest Huzsvai, L. 2006. A kukorica potenciális termésének modellezése. In Környezetkímélő növénytermesztés – minőségi termelés, 80-92. J. Nagy, A. Dobos, eds. Debrecen.: Debreceni Egyetem ATC

97


Jamieson, P. D., J. R. Porter, J. Goudriaan, J. T. Ritchie, H. van Keulen, W. Stol. 1998. A comparison of the models AFRCWHEAT2, CERES-Wheat, Sirius, SUCROS2, and SWHEAT with measurements from wheat grown under drought. Field Crop Research 55: 23-44. Jones, C. A., J. R. Kiniry. 1986. CERES-Maize: A simulation model of maize growth and development. Texas, U.S.A.: Texas A&M University Press Kovács, G. J. 1995. A CERES modell felhasználása szakterületünkön. Agrokémia és Talajtan. 44: 249-262. Kovács, G. J., T. Németh, J. T. Ritchie. 1995. Testing Simulation Models for the Assessment of Crop Production and Nitrate Leaching in Hungary. Agricultural Systems 49: 385-397. Meadow, D. L. 1972. The limits to growth. New York, U.S.A.: Universe Books Oncley, S. P., J. Dudhia. 1995. Evaluation of surface fluxes from MM5 using observations. Mon. Wea. Rev. 123: 3344-3357. Parton, W. J., D. S. Schimel, C. V. Cole, D. S. Ojima. 1987. Analysis of factors controlling soil organic matter levels in Great Plains grasslands. Soil Science Society of America Journal 51: 1173-1179. Rajkai, K. 2001. Modellezés és modellhasználat a talajtani kutatásban. Agrokémia és Talajtan 53: 469-508. Ritchie, J. T., 1985. A user-oriented model of the soil water balance in wheat. In Wheat Growth and Modeling, W. Day, R. K. Atkin, eds. New York, U.S.A.: Plenum Publishing Corp. Rosenblueth, A., N. Wiener. 1945. The Role of Models in Science. Philosophy of Science 12(4): 316-321.

98


Optimális erőgép és munkagép-szükséglet meghatározása a növénytermesztésben (Visual Basic és R alkalmazások) Huzsvai László 1, Sulyok Dénes2, Ferencsik Sándor2

Abstract: The most common case of linear programming is to use given capacities to achieve the best outcome and maximum profit. But there are no such constraints of greenfield investments. The size of the arable land, the range of crops to be grown and the production technologies are given, and the optimal demand of tractors and machinery should be determined which enables smooth crop production with the lowest cost. In this case, the optimal demand is the minimum number of machines that provides the preceding objective. Two solutions are presented in this publication. The first solution is modelled in MS Excel – the most commonly used commercial software environment –, and the second model is written in R language, a free software environment. The model’s most crucial data input is the performance of the workflow action. If the performances are set inappropriately, the demand of tractors and machinery will also be inaccurate. The time requirement of the program written in R language was approximately 10% of the program written in Excel. One of the biggest advantages of R language is that in fact variables are defined as column vectors and therefore many cycles can be saved while writing the program.

1. Bevezetés A lineáris programozás során legtöbbször a már meglévő kapacitások (erőgép, és munkagép, élőmunka, stb.) lehető legjobb kihasználására törekednek a jövedelem maximalizálása mellett (Csipkés et al., 2008, 2011; Kovács, Nagy, 2011; Nagy, 2009). Zöldmezős beruházáskor viszont nincsenek ilyen kötöttségek. Adott a szántóterület nagysága, a termesztendő növények köre és a termesztési technológiák. Ehhez kell meghatározni azt az optimális erő-, és munkagépszükségletet, amellyel a lehető legkisebb ráfordítással zökkenőmentes növénytermesztés folytatható. Az optimális szükséglet ebben az esetben azt a minimális gépszámot jelenti, amely biztosítja az előbbi célkitűzést. Jelen munkánkban kétféle megoldást mutatunk be. Az első fizetős programkörnyezetben, a leginkább elterjedt MS Excel környezetben, a második ingyenes, R nyelven megírt modellt ismertetünk.

2. Elméleti modell A modell megalkotásának első lépése az adottságok, ill. inputok felmérése. Adott a szántóterület nagysága és a termesztendő növények köre az elővetemények figyelembevételével. Ismertek a növénytermesztési technológiák, munkaműveletek és dekádonkénti szükségletek valamint az erő-, és munkagép teljesítmények. Az esettanulmányban bemutatásra kerülő gazdaságban tízféle termesztéstechnológiával ötféle szántóföldi növényt termesztenek. A modellhez szükséges adatok (adattáblák): 1. Növény (növényazonosító, elővetemény, termesztett növény, termőterület (ha)) 2. Technológia (növényazonosító, műveletazonosító, dekád, műszakok száma, dekádok száma) 3. Dekád (dekádazonosító, hónap, tercilis, várható munkanapok száma) 4. Gép (műveletazonosító, művelet megnevezése, munkagép, erőgép, teljesítmény (ha/műszak)) A technológia adattáblában meghatározásra kerül, hogy az adott munkaművelet melyik dekádban kezdődik, hány dekádig tart, és egy adott munkanap alatt hány műszakban tart. A műszakok és dekádok számának növelésével jelentősen lehet csökkenteni az erőgépek és munkagépek számát. Természetesen, az adott munkaműveletet az agronómia határokon belül be kell fejezni. A dekád adattáblában a várható munkanapok számát határozzuk meg. Ez a korábbi évek statisztikai adatainak ismeretében becsülhető meg. Csapadékosabb évszakokban ez a szám kisebb, 3-5 nap, míg egyéb időszakban 6-8 nap. Ezek az értékek a legvalószínűbbek, egy-egy adott év ettől jelentősen eltérhet. Legkisebb értéke 0, legnagyobb értéke 10 lehet. 1 2

Debreceni Egyetem, Gazdálkodástudományi és Vidékfejlesztési Kar Debreceni Egyetem, Mezőgazdaság-, Élelmiszertudományi és Környezetgazdálkodási Kar

99


A gép adattáblában a műveletazonosító mellett az adott művelet szöveges leírását is megadjuk, pl. „Tarlóhántás, hengerezés (5 cm)”. A munkagép megnevezése, pl. kombinátor, erőgép, pl. 300 LE traktor. A teljesítményt ha/műszakban tüntetjük fel a további számítások megkönnyítése érdekében. Ez így egy egyenes teljesítménymutató. A teljesítmény függ az munka és erőgép kapcsolattól és a talajtípusától, főként kötöttségétől. Ezért ezt az értéket a helyi sajátosságok pontos ismeretében kell megadni. A modellnek ez az egyik legkritikusabb bemenő adata. Amennyiben helytelen teljesítmények kerülnek meghatározásra, az erő-, és munkagépigény is pontatlan lesz. Ha az adott munkaművelet nem igényel egy teljes dekádot, akkor másik területre vonul át a szerelvény, és ott folytatja munkáját. Az optimalizálás gyakorlatilag a dekádonkénti összes erő-, és munkagépszükségletek becslését és ezek közül a maximális értékek kiválasztását jelenti.

3. Modell az Excelben A Visual Basic nyelven írt program input és output felületként az Excelt használja. Négy munkalapot definiáltunk, az elméleti részben ismertetett: Növény, Technológia, Dekád és Gép (munkaművelet) lapokat. A program a táblák összekapcsolását és pivot táblák készítését valamint az eredmények kiíratását végzi. A „Növény” munkalapon található „Számol” nyomógombbal indíthatjuk a programot.

1. ábra. A modell input panelje Az optimalizálás legfontosabb része a „Részlet” munkalap, melyet a program állít elő. Itt kerülnek meghatározásra az erő-, és gépszükségletek dekádonként. A továbbiakban ennek a munkalapnak a kombinációs táblázatait állítjuk elő erőgép és munkagép szerint két külön táblázatban. Az eredmények egy-egy új munkalapon jelennek meg. Helytakarékosság miatt az esettanulmányban bemutatott 5. és 6. táblázatban.

4. Modell az R-ben Az optimalizáló programot R nyelven is elkészítettük a korábban megírt Exceles program tapasztalatai alapján. Az R egy olyan programozási nyelv és környezet, amely különösen alkalmas statisztikai számítások és grafikai megjelenítési feladatok megvalósítására. Az R-nyelv a John Chambers által elindított S-nyelv GNU verziójaként is tekinthető. Az S nyelvet az 1970-es években a Bell Laboratories-ben fejlesztették interaktív adatelemzés és vizualizáció céljából. Az R szabad szoftver, magva egy parancsértelmező (interpreter) jellegű nyelv, szintaxisa felületesen hasonlít a C nyelvére, de tulajdon-

100


képpen egy funkcionális programozási nyelv. Az R-nyelv többek között lehetővé teszi ciklusok alkalmazását, illetve a moduláris programozást függvényeken keresztül (Solymosi, 2005). A R alapvetőn parancssoros program, azonban számos grafikus felületet készítettek hozzá. Ezek statisztikai, ábrázolási, fejlesztési feladatok elvégzését segítik. A fejlesztési feladatokhoz az egyik legjobban használható grafikus felület az Rstudio (2. ábra). Ennek a programnak létezik kliens és szerveroldali változata is. A szerveroldali változat karunkon a http://rstudio.agr.unideb.hu címen érhető el.

2. ábra. Rstudio grafikus felülete A grafikus felület négy részre osztott: szkriptek, munkakörnyezet, konzol (egyben output) és eszközök részre. A programot a szkript területen lehet futtatni. Az optimalizáláshoz szükséges inputokat egyszerű, pontosvesszővel elválasztott, csv kiterjesztésű fájlokban tároljuk. Összesen négy fájl: növény, technológia, dekád, gép. Ezek a 2. ábrán a jobb felső sarokban láthatók a sorok és oszlopok számának feltüntetésével. Szintén itt találhatók a számítások során keletkező részlet adatbázis és az erő-, és munkagép szükségletek adatbázisai is. A program futása után az eredmény a konzol területen jelenik meg (bal alsó rész), az igényeket itt nem kerekítettük egész számokra. Természetesen, az eredmény tökéletesen megegyezik az Exceles eredménnyel. Az R-nyelven írt program időszükséglete kb. 10%-a volt az Exceles programhoz viszonyítva. Az R-nyelv egyik nagy előnye, hogy a változók valójában oszlopvektorként vannak értelmezve, ezért rengeteg ciklust lehet megspórolni a program írása közben.

5. Esettanulmány A bemutatott esettanulmány egy 5 000 ha-s, középkötött talajon gazdálkodó vállalkozásra készült. Vetésszerkezete jól modellezi a magyarországi viszonyokat.

101


Az 1. táblázat a növényi input adatokat tartalmazza, a sárgával jelölt területadatok szabadon változtathatók. Ahogy növeljük a terület méretét, egy bizonyos határig, fajlagosan egyre kevesebb gépre lesz szükségünk. 1. táblázat. Növényi input adatok N_AZ

elővetemény

növény

BR

búza

repce

200

ÁR

árpa

repce

200

KB

kukorica-napraforgó

búza

1 100

RB

árpa-repce

búza

600

KÁ

kukorica-napraforgó

árpa

200

RÁ

búza-repce

árpa

200

KK

kukorica

kukorica

650

RK

kalászos-repce

kukorica

650

NK

napraforgó

kukorica

400

BN

kalászos

napraforgó

800

ha

A 2. táblázat a növénytermesztési technológiákból mutat egy részletet. Repce termesztése, műveletei azonosítók, melyik dekádban, hány műszakban és hány dekádig fog tartani az adott munkaművelet. 2. táblázat. Technológia részlet N_AZ M_AZ D_AZ műszak Dekádok_száma ÁR

M

6

1

2

ÁR

G

8

1

2

ÁR

M

9

1

2

ÁR

P

11

1

2

ÁR

P

12

1

2

ÁR

P

13

1

2

ÁR

P

16

1

2

ÁR

A

18

1

2

ÁR

T

21

1

2

ÁR

G

22

1

2

A 3. táblázat a dekádokat és egy dekádban a legvalószínűbb munkanapok számát mutatja. 3. táblázat. Dekádok részlet D_AZ

hónap

tercilis

munkanap

1 január

1

3

2 január

2

4

3 január

3

5

4 február

1

4

5 február

2

4

6 február

3

4

7 március

1

7

8 március

2

7

9 március

3

7

10 április

1

7

11 április

2

7

A 4. táblázat az adott munkaművelethez tartozó munka-, és erőgépet valamint a gépkapcsolás teljesítményét tartalmazza.

102


4. táblázat. Munkaműveletek teljesítményei teljesítmény (ha/műszak)

M_AZ

művelet

munkagép

erőgép

T

Tarlóhántás, hengerezés (5 cm)

kombinátor

traktor 300

50

TÁ

Tárcsázás, hengerezés

tárcsa

traktor 300

60

SA

Sarabolás

kapa

traktor 200

M

Műtrágya szórás (PK), N 20-30-%

műtrágyaszóró

műtrágyaszóró

L

Mélylazítás

lazító

traktor 300

30

S

Szántás

eke

traktor 300

30

N

Nehéztárcsa (20 cm)

nehéztárcsa

traktor 300

20

K

Elmunkálás (fogas,tárcsa,kompaktor)

kombinátor

traktor 300

38

V

Vetés

vetőgép

traktor 300

45

G

Gyomirtás

permetező

permetező

150

P

Permetezés

permetező

permetező

150

A

Aratás

kombájn

kombájn

50

SZ

Szárzúzás

szárzúzó

traktor 300

40

ST

Szerves trágya szórás

sz.t.szóró

traktor 200

10

25 150

Az 5. és 6. táblázat a minimális erő-, és munkagépszükségletet mutatja. A műtrágyaszóró és permetező ebben az esetben önjáró, ezért került az erőgépek közé. A D_AZ a dekád azonosítója. A táblázat utolsó sorában láthatók a ténylegesen szükséges gépek száma, amelyeket feltétlenül be kell szerezni. 5. táblázat. Erőgépszükséglet (db) dekádonként erőgép D_AZ

műtrágyaszóró

kombájn

permetező

traktor 200

traktor 300

5

0,84

6

1,3

7

1,69

8

0,39

0,2

1,51

9

1,55

1,02

2,78

10

1,55

0,82

1,84

7,21

11

1,22

5,94

12

0,56

13

1,59

4,26

14

1,96

6,26

15

0,73

6,55

16

1,22

4,55

17

2,43

18

0,54

19

2,67

1,21

20

2,63

0,34

1

21

0,5

0,43

2,57

0,75

22

0,18

0,18

2,96

23

0,18

0,43

2,32

24

0,34

2,24

25

1

0,34

0,18

4,07

0,56

26

1

0,34

0,18

4,07

3,03

27

Igény

1,66

0,36

5,71

28

2,44

0,89

0,2

5,61

29

2,44

0,53

0,2

6,65

30

0,61

0,82

8,84

31

0,61

0,82

2

3

3

103

5,12 7

9


6. táblázat. Munkagépszükséglet (db) dekádonként munkagép

D_AZ eke

kapa

kombinátor

kombájn

lazító

műtrágyaszóró

nehéztárcsa

permetező

sz.t.szóró szárzúzó

5

tárcsa

vetőgép

0,84

6

1,3

7

1,69

0,84

0,82 0,82

8

1,51

0,39

0,2

9

1,51

1,55

1,02

1,27

10

3,22

1,55

1,84

3,99

11

3,22

1,22

2,72

12

0,56

13

4,26

1,59

14

6,26

1,96

15

6,55

0,73

16

4,55

1,22

17

2,43

18

0,54

19

2,67

20

2,63

1

21

0,5

2,57

22

1,21 0,75 0,34 0,43

2,32

23

0,18

0,64

0,18

0,18

0,64

0,43

24

1,68

0,34

25

1

26

1,36

27

1,36

0,34

1

1,67

0,34

1,67

0,36

2,68

1,68

0,18

4,07

0,18

4,07

0,56 0,56

28

2,44

0,89

2,68

0,2

1,97

0,96

29

2,44

0,53

1,97

0,2

1,97

2,71 1,75

30

2,51

0,61

2,33

0,82

2,25

31

2,51

0,61

0,36

0,82

2,25

Igény

3

2

3

3

7

3

4

2

5

3

2

4

6. Összefoglalás A lineáris programozás során legtöbbször a már meglévő kapacitások (erő-, és munkagép, élőmunka, stb.) lehető legjobb kihasználására törekednek a jövedelem maximalizálása. Zöldmezős beruházáskor viszont nincsenek ilyen kötöttségek. Adott a szántóterület nagysága, a termesztendő növények köre és a termesztési technológiák. Ehhez kell meghatározni azt az optimális erő-, és munkagépszükségletet, amellyel a lehető legkisebb ráfordítással zökkenőmentes növénytermesztés folytatható. Az optimális szükséglet ebben az esetben azt a minimális gépszámot jelenti, amely biztosítja az előbbi célkitűzést. Jelen munkánkban kétféle megoldást mutatunk be. Az első fizetős programkörnyezetben, a leginkább elterjedt MS Excel környezetben, a második ingyenes, R nyelven megírt modellt ismertetünk. A modell legkritikusabb bemenő adata a munkaművelethez tartozó teljesítmény. Amennyiben helytelen teljesítmények kerülnek meghatározásra, az erő-, és munkagépigény is pontatlan lesz. Az Rnyelven írt program időszükséglete kb. 10%-a volt az Exceles programhoz viszonyítva. Az R-nyelv egyik nagy előnye, hogy a változók valójában oszlopvektorként vannak értelmezve, ezért rengeteg ciklust lehet megspórolni a program írása közben.

7. Köszönetnyilvánítás Szerzők köszönetüket fejezik ki azon mezőgazdasági vállalatok támogatásáért, amelyek lehetővé tették a tanulmányban bemutatott erő-, és munkagép optimalizáció kidolgozását. Külön köszönet Maksai László ötletgazdának.

104


Hivatkozások Csipkés Margit, Ertsey Imre, Nagy Lajos (2008): Vetésszerkezeti variánsok összehasonlító elemzése a Hajdúságban. In: Magda Sándor, Dinya László (szerk.) Vállalkozások Ökonómiája: XI Nemzetközi Tudományos Napok [The XI th International Scientific Days]. Gyöngyös, Magyarország, 2008.03.27-2008.03.28. Gyöngyös: Károly Róbert Főiskola, pp. 14-21. Paper &. (ISBN:978-963-87-831-1-0) Csipkés Margit, Nagy Lajos (2011): Comparison of profitability and competitiveness of field crops suitable for energy production and woody energy crops. In: 46th Croatian and 6th International Symposium on Agriculture Conference. Opatija, Horvátország, 2011.02.14-2011.02.18. Zagreb: University of Zagreb, pp. 247-251. Kovács Sándor, Nagy Lajos (2009): An application of Marcov Chain Monte Carlo Simulation in Crop structure management. In: Nábrádi A, Lazány J, Fenyves V (szerk.) AVA Congress 4: International Congress on the Aspects and Visions of Applied Economics and Informatics. Debrecen, Magyarország, 2009.03.26-2009.03.27. Debrecen: Agroinform Kiadó, p. 138.(ISBN:978-963-502-897-9) Nagy Lajos (2009): Some possibilities for risk analysis in the decision support of crop production. APSTRACT APPLIED STUDIES IN AGRIBUSINESS AND COMMERCE 3:(1-2) pp. 79-86. Solymosi Norbert (2005): Bevezetés az R-nyelv és környezet használatába.

105


A biomasszából nyerhető energia piaci- és termelési kockázatának figyelembevétele a földhasználat tervezése során Csipkés Margit1, Nagy Lajos 2

Összefoglaló: A szimulációs modellek alkalmazása a mezőgazdaságban egyre nagyobb szerephez jut, mivel napjainkra a valóság egyre pontosabb megismerése iránti igény növekszik. Cikkünkben egy 500 hektáros mintagazdaságra, 12 évre vonatkozó földhasználat tervezését végeztük el szimulációs modell futtatatásával. A szimulációs modell elkészítése előtt felépítettük az egy évre vonatkozó növénytermesztési lineáris programozási modellt, melyben 7 kultúrát helyeztünk el (4 szántóföldi: kukorica, búza, repce, napraforgó; 3 fás szárú energiaültetvény: akác, nyár, fűz. Ezt követően transzferváltozók segítségével összefűztük az egyes technológiákat, s így alakult ki a többperiódusos lineáris programozási modell. A többperiódusos lineáris programozási modell futtatását követően készítettük el a szimulációs modelleket. A szimulációs ciklusokat a VBA segítségével hoztuk létre. A számítások elkészítésénél figyelembe vettük a jelenleg kapható hazai, és Európai Uniós támogatásokat is. Kutatásunkban elkészítettük a támogatás nélküli modellfuttatásokat is, melyekkel a kockázati hatásokat tudtuk vizsgálni. Kulcsszavak: biomassza, kockázat, földhasználat, szimuláció

1. Bevezetés A szimulációs modellek alkalmazása a mezőgazdaságban egyre nagyobb szerephez jut, mivel napjainkra növekedett a valóság egyre pontosabb megismerése iránti igény. A mezőgazdasági alkalmazásokban számtalan matematikai modell létezik, de a szimulációnak rendkívül fontos szerepe van ezek között. Korábban lineáris programozási modellt alkalmaztak a kutatók, de minden előnye ellenére, a determinisztikus jellege miatt, kevésbé alkalmas a kockázat bemutatására és elemzésére, különösen nagy időintervallumok esetén. Napjainkra már a gyakorlatban könnyen kezelhető szimulációs szoftverek használhatók. Az alkalmazható szoftverek közül a legismertebb a Crystal Ball (Decisioneering, Inc.) és a @Risk (Palisade Corporation), de Excelben is megoldható VBA modulban történő programozással. Mi az Excel VBA modulját alkalmaztuk, ahol a futtatás után a szimuláció az eredményváltozó eloszlását adta meg, amiből megállapítható volt, hogy a vizsgált változó milyen valószínűséggel veszi fel értékét egy adott intervallumon belül. A kialakított modell magját egy többperiódusú lineáris programozási modell képezte, mely alkalmas a jövedelem, mint valószínűségi változó kezelésére.

2. Szakirodalmi áttekintés A szimulációs modell alatt a valós rendszer olyan leegyszerűsített matematikai megvalósítását értjük, mely az eredeti rendszer viselkedését tanulmányozza különböző feltételek, körülmények változtatása mellett. Az analitikus modellekkel (a pont eredmények eléréséig való számolással) szemben a szimulációs eljárás a modell időbeni futtatását és végrehajtását foglalja magába. A modell futtatása során számolni kell a „befolyásolható”, illetve a „nem befolyásolható tényezők” mindegyikével. A „nem befolyásolható tényezők” között szerepelnek a döntés pillanatában ismert (például a növénytermesztésben a növény növekedési állapota, az állattenyésztésben az állat genetikai képessége) tényezők, illetve a bizonytalanságot okozó tényezők (hőmérséklet, szél, csapadék, napsugárzás, stb.), melyek értéke nem ismert. A szimulációs modelleken belül elkülöníthetünk sztochasztikus- és determinisztikus szimulációs modelleket. A determinisztikus modellekbe nincs beépítve a véletlenszerűség (Kovács et al., 2007, Huzsvai – Sulyok, 2010), ami azt jelenti, hogy a modell meghatározott input adatokra konkrét számokat ad eredményül. Ezzel szemben a sztochasztikus szimulációban az egyes bizonytalan tényezőkhöz rendelt valószínűség-eloszlás alapján véletlenszerűen választunk ki értékeket, amelyeket 1

Debrecen University, [email protected] 2 Debrecen University, [email protected]

106


a szimulációs vizsgálat egy-egy kísérletében használunk fel (Russel – Taylor, 1998). Az összes bemenő paraméter valószínűségi változóinak eloszlásából egy adott mintavételi eljárással meghatározzuk a véletlenszerűen választott bemeneti értékeket. Tehát sztochasztikus szimulációról akkor beszélhetünk, ha jelen vannak véletlen hatások is. A kockázatok modellezésének legáltalánosabb módszere a Monte-Carlo technikán alapuló módszer. Ez a módszer a matematikai feladatok megoldásának véletlen mennyiségek modellezését felhasználó numerikus módszere és azok jellemzőinek statisztikus értékelése (Szobol, 1981, KristensenN – Pedersen, 2003). Lényege, hogy az egyes bizonytalan tényezőkhöz rendelt valószínűség-eloszlás alapján véletlenszerűen választunk ki értékeket, amelyeket a szimulációs vizsgálat egy-egy kísérletében használunk fel (Russel – Taylor, 1998). A modellezés során rögzíthetjük a befolyásoló változókat, illetve azok lehetséges intervallumait, a valószínűség-eloszlásaikat, valamint a változók közötti kapcsolatokat. A változók adott intervallumbeli és eloszlás szerinti értékeit véletlenszám-generálással képezzük. A modellt számítógép segítségével egymás után többször (általában 1.000-10.000 kísérletszámmal) futtatjuk, amelynek eredményeként egy várható értéket és egy szóródási tartományt kapunk a meghatározni kívánt eredményváltozóra. Az eloszlásfüggvény segítségével pedig meghatározható annak a valószínűsége, hogy a vizsgált változó értéke egy megadott intervallumba esik. A modell futtatásához szükségesek az eredményváltozók is, melyeknél leggyakrabban a jövedelmet adják meg, és annak a kockázatát figyelik, hogy milyen valószínűséggel lesz adott érték felett, illetve alatt az eredményváltozók értéke. A futtatások számának növelésével az eredményváltozók eloszlása tetszőleges pontossággal megadható. A módszer előnye, hogy külön-külön döntési variánsokra is futtathatjuk a modellt, és a különböző döntési változatok kockázata összehasonlítható. A modell összeállításakor a döntési változók megfelelő kiválasztásával, kedvező feltételek biztosításával, az értékesítési árak figyelembevétele mellett a maximális profit elérésére kell törekednünk (Jorgensen, 2000). A döntési változók legkedvezőbb értékeire vonatkozó döntés visszavezethető az elérhető jövedelem lehetséges valószínűségeloszlásai közötti választásra, amely a szimulációval teljes mértékben megvalósítható. Mindezek alapján a döntési probléma elemei a következők (Gyenge, 2000): a tevékenységek, a cselekvési alternatívák, az akciók; a döntéshozótól független események; az események valószínűségei; a következmények, eredmények, vagy kimenetelek; a célok, döntési kritérium(ok); az egyéni preferenciák.

3. Anyag és módszertan A szimulációs modell elkészítése előtt felépítettük az egy évre vonatkozó növénytermesztési lineáris programozási modellt, melyet technológiai mátrixnak neveztünk el. A lineáris programozási modellben a legfontosabb szántóföldi növényeket (kukorica, búza, repce, napraforgó), illetve a fás szárú energiaültetvényeket (akác, nyár, fűz) helyeztük el. Ezt követően transzferváltozók segítségével összefűztük az egyes technológiákat, s így alakult ki a többperiódusos lineáris programozási modell. A többperiódusos lineáris programozási modell futtatását követően készítettük el a szimulációs modelleket. A modellezést Ms Excel táblázatkezelőben végeztük el. A szimulációs modellben véletlenszám generálással hoztunk létre béta-eloszláshoz tartozó valószínűségértéket. Megadtuk az „a” és „b” értékeket, valamint az „α” és „β” paramétereket, ezután az Excel INVERZ.BÉTA() függvény segítségével képeztük a célfüggvénykoefficienst (esetemben fedezeti hozzájárulást). A szimulációs ciklusokat a VBA segítségével hoztuk létre. A számítások elkészítésénél figyelembe vettük a jelenleg kapható hazai, és Európai Uniós támogatásokat is. Kutatásunkban elkészítettük a támogatás nélküli modellfuttatásokat is, melyekkel a kockázati hatásokat tudtuk vizsgálni. A modell összeállításánál egy 500 hektáros mintagazdaságot vettünk alapul, ahol a következő mérlegfeltételekkel dolgoztunk: terület, szak- és segédmunka, erő- és munkagépek. A modellben az egyes növénytermesztési ágazatokat a fedezeti hozzájárulásuk alapján versenyeztettük.

107


Az egyes modellvariánsoknál a támogatott modellszámítás ’T”, míg a támogatás nélkülit „TN” jelöléssel láttuk el. A modellek futtatása után támogatott és nem támogatott környezetben is 3 jellemző értéket vettünk figyelembe: 

Maximum fedezeti hozzájáruláshoz tartozó modell: az összes futtatás alkalmával elérhető legnagyobb fedezeti hozzájárulást adó termelési szerkezet (LP_MAX_TN; LP_MAX_T);



Minimum fedezeti hozzájáruláshoz tartozó modell: az összes futtatás alkalmával elérhető legkisebb fedezeti hozzájárulást adó termelési szerkezet (LP_MIN_TN; LP_MIN_T);



Átlagos fedezeti hozzájáruláshoz tartozó modell: az összes futtatás alkalmával elérhető átlagos fedezeti hozzájárulást adó termelési szerkezet (LP_ÁTLAG_TN; LP_ÁTLAG_T).

4. Eredmény A nem támogatott környezetben futtatott modell összesített eredményeit az 1. táblázatban mutatjuk be. 1. táblázat. A szimuláció modell futtatásával kapott fedezeti hozzájárulás értékek összesítője nem támogatott környezetben

Megnevezés LP_MIN_TN LP_ÁTLAG_TN LP_MAX_TN

MAX célfgv Ft/500ha/12év 505 062 000 533 400 000 569 940 000

Fedezeti hozzájárulás értéke Szórás (Ft/ha/év) (Ft/ha/év) 84 177 1 325 88 900 94 990

Forrás: Saját számítás Az LP_MIN_TN modell esetében az elérhető fedezeti hozzájárulás érték 500 hektárra, 12 évre 505.062 ezer forint (1. táblázat), ami egy hektárra 84.177 Ft-ot jelent, egy átlagos évre, ez jóval elmarad a lineáris programozási modellnél kalkulált értéktől. Az első évet nézve az 500 hektáros termelési szerkezetből 194 hektáron gabonával (141,2 hektár kukorica; 53,2 hektár őszi búza), 174 hektáron olajnövénnyel (74,1 hektár napraforgó; 100 hektár repce) és 131 hektáron energetikai faültetvényekkel kell foglalkozni a számított modell alapján (1. ábra). Az energiaültetvények közül az összes faültetvény bekerült a termelési szerkezetbe: az akác 24,8, a nyár 76,8, míg a svéd fűz 30 hektárral. Ezen területi nagyságok a 12 éves modellben ugyanezekkel az értékekkel szerepelnek, mivel területlekötés van az ültetvények esetében.

108


Napraforgó

Kukorica

Őszi búza

1. év

141,2

2. év

141,2

100,0

3. év

141,2

100,0

4. év

74,1

146,4

5. év

94,1

Repce 53,2

Nyár

Svéd fűz

100,0

24,8

76,8

30,0

27,3

100,0

24,8

76,8

30,0

27,3

100,0

24,8

76,8

30,0

22,0

100,0

24,8

76,8

30,0

126,9

100,0

24,8

76,8

30,0

127,3

100,0

24,8

76,8

30,0

100,0

24,8

76,8

30,0

100,0 47,4

Akác

6. év

141,2

7. év

141,2

8. év

141,2

100,0

27,3

100,0

24,8

76,8

30,0

9. év

141,2

100,0

27,3

100,0

24,8

76,8

30,0

10. év

141,2

100,0

24,8

76,8

30,0

11. év

141,2

100,0

27,3

100,0

24,8

76,8

30,0

12. év

141,2

100,0

27,3

100,0

24,8

76,8

30,0

74,1

53,2

74,1

53,2

Termelési szerkezet (hektár)

0

500

1. ábra. A szimulációs modell futtatásával elérhető legalacsonyabb fedezeti hozzájáruláshoz tartozó termelési szerkezet, nem támogatott környezetben (Me.: ha) Forrás: Saját számítás A második évtől kezdve a gabonafélék részaránya 33,6-38,8 százalék, míg az olajos növények részaránya 34,8-40,0 százalék között alakul. Kiemelnénk a 6. évet, amikor a vetésszerkezetbe a napraforgó nem került be. Helyére az őszi búza került, aminek a következtében a gabonafélék részaránya 44,2 százalékra növekedett. Az LP_ÁTLAG_TN modellnél a termelési szerkezet hasonlóan alakult az LP_MIN_TN modellhez képest. A szántóföldi növények közül a kukoricának kiemelkedő szerepe van, mivel minden évben bekerült a termelési szerkezetbe 94-141 hektár területtel. Ezt követi a repce, aminek területnagysága minden évben 100 hektár a vizsgált 12 évben (3. ábra). Ezzel szemben a napraforgó 74-100 hektáros váltakozó területnagysággal került be a termelési szerkezetbe. Napraforgó

Kukorica 1. év

141,2

2. év

141,2

3. év

141,2

4. év

146,4

5. év

94,1

Őszi búza 74,1

Repce 53,2

100,0

27,3

127,3 100,0 47,4

22,0

126,9

Akác

Nyár

Svéd fűz

100,0

24,8

76,8

30,0

100,0

24,8

76,8

30,0

100,0

24,8

76,8

30,0

100,0

24,8

76,8

30,0

100,0

24,8

76,8

30,0

100,0

24,8

76,8

30,0

100,0

24,8

76,8

30,0

6. év

141,2

7. év

141,2

8. év

141,2

100,0

27,3

100,0

24,8

76,8

30,0

9. év

141,2

100,0

27,3

100,0

24,8

76,8

30,0

10. év

141,2

100,0

24,8

76,8

30,0

11. év

141,2

100,0

24,8

76,8

30,0

12. év

141,2

100,0

24,8

76,8

30,0

0

100,0 74,1

27,3 53,2

74,1

53,2

100,0

27,3

127,3 Termelési szerkezet (hektár)

500

2. ábra. Szimulációs futtatással tervezett vetésszerkezet, átlagos fedezeti hozzájárulás elérése esetén (Me.: ha) Forrás: Saját számítás Kivételt jelent a 3. és 12. év, amikor nem kerül be a vetésszerkezetbe, helyére az őszi búza kerül mindkét esetben. Az energetikai faültetvények közül itt is bekerült mindhárom ültetvény. Ezen

109


modellel elérhető fedezeti hozzájárulás érték a vizsgált 12 évre 533.400 ezer forint 500 hektárra (1. táblázat), ami egy hektárra átlagosan 88.900 forint, egy évben. Az LP_MAX_TN modellel 12 év alatt 500 hektárra 569.940 ezer forint fedezeti hozzájárulást lehet elérni az adott erőforrások maximális felhasználása mellett (1. táblázat). Ebben az esetben is legnagyobb jelentősége a gabonanövényeknek van, mivel a kukorica egy év kivételével 141 hektárral szerepel a termelési szerkezetben a vizsgált 12 évben. A kukoricát követi az őszi káposztarepce, ami minden évben egy kiegyenlített, 100 hektáros területtel részesedik a megadott 500 hektárból. A szántóföldi növények közül a harmadik helyen a napraforgó áll, mivel egy évet kivéve területi részesedése 74 vagy 100 hektár (4. ábra). Kivételt jelent a 3. év, amikor az őszi búza 127,3 hektáros területnyerése miatt a napraforgó kiszorul a termelési szerkezetből. A többi évben a búza területe 27,3 és 53,2 hektár között változik. Napraforgó

Kukorica

Őszi búza

1. év

141,2

2. év

141,2

100,0

3. év

141,2

100,0

4. év

146,4

5. év

94,1

74,1

53,2

100,0 47,4

141,2

7. év

141,2

8. év

141,2

9. év

141,2

10. év

141,2

11. év

141,2

100,0

12. év

141,2

100,0

0

100,0

76,8

30,0

27,3

100,0

24,8

76,8

30,0

27,3

100,0

24,8

76,8

30,0

22,0

100,0

24,8

76,8

30,0

100,0

24,8

76,8

30,0

100,0

24,8

76,8

30,0

100,0

24,8

76,8

30,0

100,0

24,8

76,8

30,0

100,0

24,8

76,8

30,0

100,0

24,8

76,8

30,0

27,3

100,0

24,8

76,8

30,0

27,3

100,0

24,8

76,8

30,0

53,2

100,0

27,3

127,3 74,1

Svéd fűz

24,8

27,3

74,1

Nyár

100,0

126,9

6. év

Akác

Repce

53,2

Termelési szerkezet (hektár)

500

1. ábra. Szimulációs futtatással tervezett vetésszerkezet maximális fedezeti hozzájárulás elérése esetén (Me.: ha) Forrás: Saját számítás A tervezett vetésszerkezetbe az energiaültetvények a következő területi nagyságokkal kerültek be: az akác 24,8 hektárral, a nyár 76,8 hektárral és a svéd fűz 30 hektárral. A nem támogatott környezetben való modellfuttatásokat követően, támogatott környezetben is lefutattam a modelleket, melyeknél hasonló eredményeket kaptam, mint a nem támogatott modellek esetében. A támogatott környezetben kapott eredmények elemzésekor is ugyanazt a 3 kategóriát alakítottam ki: LP_MAX_T, LP_MIN_T, LP_ÁTLAG_T. A támogatott modellfuttatások esetén a következő eredményeket kaptam meg: LP_MIN_T: a legkisebb fedezeti hozzájárulást adó modell 500 hektárra 12 évre 893.118 ezer Ft, ami hektáronként 148.853 forint évi átlagban; LP_MAX_T: a legmagasabb fedezeti hozzájárulás elérésével 500 hektárra 12 évre 986.700 ezer forintot érhetünk el, ami hektáronként 164.450 forint évi átlagban; LP_ÁTLAG_T: az átlagos fedezeti hozzájárulás elérése 938.136 ezer Ft 500 hektárra 12 évre, ami hektáronként 156.356 forint évi átlagban (2. táblázat). Az összes modellfuttatás mediánja 937.792 ezer Ft/500 ha/12 év.

110


2. táblázat. Szimulációs modell futtatásával kapott fedezeti hozzájárulás értékek összesítője, támogatott környezetben

Megnevezés LP_MIN_T LP_ÁTLAG_T LP_MAX_T

MAX célfgv Ft/500ha/12év 893 118 000 938 136 000 986 700 000

Fedezeti hozzájárulás értéke Szórás (Ft/ha/év) (Ft/ha/év) 148 853 2 133 156 356 164 450

Forrás: Saját számítás A szimulációs modellek futtatását követően külön-külön támogatott és nem támogatott modellfuttatások esetén, a kapott fedezeti hozzájárulás értékeket növekvő sorrendbe rendeztem. Ezen hosszú adatsor alapján állapítottuk meg, hogy nem támogatott környezetben, a futtatások alsó kvartilis értéke 538.710,23 ezer forint, a medián 533.284,89 ezer forint és a felső kvartilis érték 527.891,49 ezer forint fedezeti hozzájárulást jelent (2. ábra). ezer Ft/100 hektár 100% 90% 80%

A szimulációs futtatások FH értékeinek legjobb 25%-a 538.710 ezer Ft felett van

538 710 70% 60%


53350% 284 40%


30% 527 891 20% 10% 0% 0,051% 0%

23,945% 25%

47,839% 50%

71,734% 75%

95,628%

100%

2. ábra. A szimulációs futtatások eredményei nem támogatott környezetben Forrás: Saját számítás A támogatással együtt lefuttatott modell megoldásaként kapott eredményeket növekvő sorba rendezve megállapítottuk, hogy támogatott környezetben a futtatások alsó kvartilise 946.575 ezer forint, mediánja 937.792 ezer forint, és a felső kvartilis értéke 929.287 ezer forint fedezeti hozzájárulást jelent (3. ábra).

111


ezer Ft/100 hektár 100% 90% 80%


946.574 70% 60%


50% 937.792 40%


30% 929.268 20% 10% 0% 0,051% 0%

23,945% 25%

47,839% 50%

71,734% 75%

95,628% 100%

3. ábra. A szimulációs futtatások eredményei támogatott környezetben Forrás: Saját számítás Támogatott környezetben az LP_MIN_T modellel 893.118 ezer Ft, az LP_ÁTLAG_T modellel 938.136 ezer Ft, míg az LP_MAX_T modellel 986.700 ezer Ft 500 hektárra, 12 évre a kalkulált fedezeti hozzájárulás érték (2. táblázat). A szimulációs futtatások fedezeti hozzájárulásainak mediánja nem támogatott környezetben 533.284 ezer forint, azaz a futtatások 50%-ánál ennél kisebb jövedelem várható (12 évben összesen 500 hektáron). Ugyanezen érték támogatott környezetben 937.792 ezer Ft, 12 évre és 500 hektárra. Összegezve megállapítható, hogy a maximális jövedelem 569.942 ezer forint 12 évre, 500 hektárra, azonban a nagyobb jövedelmet hozó termelési szerkezetek választása már meglehetősen nagy kockázatot hordozhat magában. Ezt támasztja alá a magas relatív szórás érték is, melyet a szimulációs modell futtatása során is megkaptunk.

Hivatkozások Gyenge B. 2000. Döntéstámogató rendszerek alkalmazási kérdése a mezőgazdaságban különös tekintettel a Szimulációra és a Szakértői Rendszerekre. Doktori disszertáció. Szent István Egyetem. Gödöllő. 79. p. Huzsvai L., Sulyok D. 2010. Az akác (Robinia pseudoacacia L.) anyag- és energiaforgalmának modellezése. Az akác a Nyírség aranya. Tudományos konferencia, 2010. 05. 13. Baktalórántháza Jorgensen E. 2000. Calibration of a Monte Carlo simulation model of disease spread in slaughter pig units. Computers and Electronics in Agriculture 25. pp. 245-259. Kovács S., Ertsey I. – Balogh P. 2007. Technological and economic risk analysis of laying hen breeding applying simulation. Joint IAAE-EAAE Seminar, Agricultural Economics and Transition: „What was expected, what we observed, the lessens learnd”. Corvinus University. Budapest. CD-issue Kristensen A. R., Pedersen C. V. 2003. Representation of uncertainty in a Monte Carlo simulation model of a scavenging chicken production system. Proceedings of the EFITA Conference. Debrecen. pp. 451-459. http://www.prodstyr.ihh.kvl.dk/pub/symp/ark/efita03-2.pdf Letöltés: 2012.08.07. Russel R. S., Taylor B. W. 1998. Operations Management, Focusing on quality and competitiveness. New Jersey: Prentice Hall. pp. 610-613. Szobol I. M. 1981. A Monte-Carlo módszerek alapjai. Műszaki könyvkiadó, Budapest. 9-11. p.

112


Kockázatértékelés a növénytermesztésben kvadratikus programozási modell segítségével Nagy Lajos 1

Összefoglaló: Az utóbbi években egyre élesebben jelentkezik a globális éghajlatváltozás miatt a kockázat a növénytermesztésben. Ez az ágazat egyébként is a legkockázatosabb ágazatok közé tartozik, ezért már a tervkészítés szintjén, a döntés-előkészítési szakaszban célszerű figyelembe venni a kockázatot. A mezőgazdaságban leggyakrabban kozkázatprogramozási modelleket alkalmaznak, melyek a döntéshozó kockázathoz való hozzáállását is figyelembe veszik, azaz hasznosságmaximalizáló modellek. A kockázatprogramozási modellek esetén először azt kell eldöntenünk, hogy a kockázatot hogyan jellemezzük. A kockázat mértékének meghatározására – többek között – a szóródási mutatók is alkalmasak. Pénzügyi portfóliók optimalizálásakor a portfólió varianciájával adják meg leggyakrabban a kockázatot. A varianciát alkalmazzák a várható érték – variancia (E-V) modellekben is. A variancia minimalizálásakor egy kvadratikus célfüggvényű modellt kapunk. A variancia alternatívája lineáris programozási modellben az abszolút átlageltérés alkalmazása. E cikk célja a pénzügyi befektetési gyakorlatban általánosan használt portfolió modell növénytermesztési termelési szerkezet optimalizálásban és kockázatminimalizálásban történő alkalmazási lehetőségének a bemutatása. Kulcsszavak: döntés-előkészítés, kockázat, kockázatprogramozás, portfolió, vetésszerkezet

1. Bevezetés A 2012. évi aszály miatt a növénytermesztés óriási veszteséget könyvelhet el várhatóan. Ez ismét előtérbe helyezi a mezőgazdasági kockázatokkal kapcsolatos tervezést már a döntés-előkészítési szakaszban. A mezőgazdasági termelés sajátosságaiból következően ebben a tevékenységi körben olyan kockázati tényezőkkel is számolni kell, amelyek más típusú vállalatokban alig, vagy csak nagyon korlátozott mértékben jelentkeznek (Buzás, 2000; Balogh et al., 2007; Gál – Komlósi, 2010). Buzás (2000) szerint célszerű megkülönböztetni az aktív és a passzív kockázatokat. Az aktív kockázatok közvetlenül kapcsolódnak a különböző szintű döntésekhez, tehát a várt eredmény reményében tudatosan vállalt kockázatok, ezek vállalkozói vagy spekulatív kockázatnak tekinthetők. A passzív kockázatok többségükben vis major jellegűek, tehát kárkockázatnak is tekinthetőek. Eredetük szerint az alábbi kockázati csoportokat különbözteti meg: • természeti kockázatok, • műszaki kockázatok, • gazdasági kockázatok, • társadalmi kockázatok. Madai – Nábrádi (2005) a kockázati forrásokat alapvetően két csoportba, a működési és pénzügyi kockázati források szerint rendezte, amelyeken belül további alkategóriákat nevezett meg. A kockázatok, káresemények kezelésére számos lehetőség kínálkozik a mezőgazdasági biztosításoktól kezdve a jövedelemgaranciás megoldásokon, intervenciós megoldásokon keresztül a tőzsdei határidős és opciós ügyletekig. A mezőgazdaságban leggyakrabban kozkázatprogramozási modelleket alkalmaznak (Csipkés, 2009), melyek a döntéshozó kockázathoz való hozzáállását is figyelembe veszik, azaz hasznosságmaximalizáló modellek (Hazell – Norton, 1986; Hardaker et al., 1997). A kockázatprogramozási modellek esetén először azt kell eldöntenünk, hogy a kockázatot hogyan jellemezzük. A kockázat mértékének meghatározására – többek között – a szóródási mutatók is alkalmasak (Balogh, 2008). Pénzügyi portfóliók optimalizálásakor a portfólió varianciájával adják meg leggyakrabban a kockázatot (Markowitz, 1959; Sharpe, 1963). A varianciát alkalmazzák a várható érték – variancia (E-V) modellekben is. A variancia minimalizálásakor egy kvadratikus célfüggvényű

1

Debreceni Egyetem, Gazdálkodástudományi és Vidékfejlesztési Kar [email protected]

113


modellt kapunk. A variancia alternatívája lineáris programozási modellben az abszolút átlageltérés alkalmazása. E típusú kockázatprogramozási modell innen kapta a nevét, ez a MOTAD (Minimization of Total Absolute Deviation) modell, amelyet Hazell 1971-ben fejlesztett ki. Az előző modellek akkor is használhatók, ha nem ismert a döntéshozó hasznossági függvénye. A hasznossági függvény ismerete esetén alkalmazható a DEMP modell (direct expected utility maximizing program) (Lambert – McCarl, 1985), melynél a célfüggvényben közvetlenül a hasznosság maximalizálását végezzük el. E cikk célja a pénzügyi befektetési gyakorlatban általánosan használt portfolió modell (Winston, 1997) növénytermesztési termelési szerkezet optimalizálásban történő alkalmazási lehetőségének a bemutatása.

2. Módszertani alapok A kvadratikus programozás egyik legismertebb NLP (nem lineáris programozási) alkalmazás, ami egy kívánt jövedelemszint elérése mellett lehetővé teszi a portfólió kockázatának minimalizálását és az optimális befektetési mix meghatározását. Az egyedi befektetések kockázatának egyik mérőszáma egy adott időszakban a hozamok varianciája (vagy a szórása). A portfólió kiválasztás során az egyik döntő cél az, hogy kisimítsuk a hozamingadozást, úgy hogy olyan befektetéseket válasszunk, amelyek hozama ellentétes irányú mozgást mutat. Ezért olyan befektetéseket szeretnénk kiválasztani, amelyek negatív kovarianciával, vagy korrelációval bírnak, mert így amikor egy értékpapír átlag alatti hozamot hoz, akkor a portfóliónk kiegyenlítődik egy átlag feletti hozammal. Így biztosítható, hogy a portfólió varianciája kisebb legyen, mint az egyedi értékpapíroké (Ragsdale, 2007). Felmerül a kérdés, hogyan lehet alkalmas a portfolió modell vetésszerkezet optimalizálásra? A vetésszerkezetet is felfoghatjuk egy portfolióként, ahol az egyes növénytermesztési ágazatok reprezentálják a befektetéseket. A különböző növények, sőt azonos növényfajon belül a különböző fajták (más éréscsoport, más termesztési igények) eltérő módon reagálnak az időjárási, éghajlati változásokra. Gyakran megfigyelhető, hogy az őszi vetésű növényeknek kedvező évjárat nem mindig kedvez a tavaszi vetésűeknek, vagy az a csapadék- és hőeloszlás ami magas kukoricatermést hoz hátrányos a napraforgónak stb. Viszonylag ritka az olyan év, amelyik minden növénykultúrát egyformán sújt, vagy az olyan, amelyik mindegyiknek kedvező. A termőhelyi adottságok is fontos szerepet játszanak az egyes növények termelési kockázatában (Nagy, 2007). A modell matematikai felépítése: Célfüggvény: a cél a minimális variancia elérése. n

∑σ

2 2 j xj

+2

j= 1

n −1

n

∑∑σ

jk x j xk

⇒ MIN !

[1]

j= 1 k = j +1

ahol

x j : a tevékenységek mérete

σ 2j : a j-edik tevékenység jövedelemvarianciája

σ jk : a j és k tevékenységek jövedelmei közötti kovariancia A célfüggvény mátrixműveletekkel kifejezve:

V = xT Cx

[2] ahol

xT = ( x1, x2, ..., xn )

[3]

114


 σ 12 σ 12  σ 22 σ C =  21    σ n1 σ n 2

 σ 1n    σ 2n       σ n2 

[4]

Mérlegfeltételek: x j ≥ 0; bi ≥ 0

(j=1,2,...,n; i=1,2,...,m)

[5]

∑

j

aij x j ≤ bi

[6]

∑

j

E (c j ) x j ≥ λ

[7] ahol

x j : a tevékenységek mérete aij : a j-edik tevékenység fajlagos erőforrás szükséglete

bi : az i-edik erőforrásból rendelkezésre álló mennyiség E (c j ) : a j-dik tevékenység várható fajlagos jövedelme λ : elvárt hozam A modellben a termelési technológiai korlátokat [6] figyelembe véve megkereshetjük azt a minimális varianciájú – minimális kockázatú – ágazati összetételt, amelynek várható hozama legalább az elvárt hozam. Természetesen a várható hozam növelésével egyre magasabb kockázatú vetésszerkezetekhez jutunk. Ezek közül választhatja ki a döntéshozó a kockázatvállaló képességéhez leginkább megfelelőt.

3. Eredmények és értékelés A portfolió modell adaptálása egy Szabolcs-Szatmár-Bereg megyei 1200 hektáron gazdálkodó mezőgazdasági vállalkozás adataira épülve történt meg. Az egyes ágazatok jövedelemkockázatának számszerűsítését az utóbbi öt év árbevétel arányos jövedelmezőségi adatai alapján végeztük el. Jól látható, hogy az ágazatok évenkénti teljesítménye jelentős ingadozást mutat (1. táblázat). A modellezés következő fázisaként a jövedelmezőségi adatok alapján a kovariancia táblázatot kell elkészítenünk (2. táblázat). Táblázatkezelő programokban (Excel, OpenOffice stb.) ezt egyszerűen megtehetjük a KOVAR()függvény alkalmazásával. A mátrix átlójában az ágazatok varianciái, a többi helyen az ágazatok közötti kovariancia értékek helyezkednek el. Jól látható, hogy a legmagasabb a repce szórásnégyzete (0,4277), de kiemelkedő a rozs (0,2621) és az árpa (0,1209) varianciája is. Egyszerű kockázatelemzés esetén ezek a kultúrák tekinthetők jövedelmezőségi szempontból a legkockázatosabbaknak. 1. táblázat. Árbevétel arányos jövedelmezőség ágazatonként a vizsgált gazdaságban

Forrás: Saját számítás

115


2. táblázat. Kovariancia mátrix

Forrás: Saját számítás [2] alapján egyszerűen számíthatjuk a táblázatkezelőben a portfolió varianciát, [7] alapján a tényleges hozamot, ami a mérlegfeltételben nagyobb, vagy egyenlő az elvárt hozamnál. A nemnegativitási feltételek megadása után tulajdonképpen kész is egy egyszerű portfolió modell, amit ki kell egészíteni a növénytermesztés sajátosságait magában foglaló feltételekkel. A matematikai programozás a mezőgazdaságban gyorsan tért hódított, az 1950-es évek második felétől jelentek meg Heady, 1957; Heady – Candler, 1958 kutatási eredményei. Magyarországon módszertani alapozó könyvek voltak Krekó (1965, 1966, 1972) munkái, a mezőgazdasági alkalmazásban meghatározó kutatásokat folytatott Tóth (1969, 1973, 1981), Ertsey (1986), ErtseyKárpáti (1981), Ertsey-Tóth (1985), akik takarmány-felhasználás és takarmánytermelés, illetve komplex vállalati tervek, növénytermesztési technológiák optimalizálásában, valamint a vállalati tervkészítés automatizálásában értek el kiemelkedő eredményeket. A modellben [6] alapján szerepelnek a növénytermesztésre vonatkozó mérlegfeltételek. A 3. táblázat „Területi és technológiai mérlegfeltételek” részében szerepel a terület felhasználásra vonatkozó 1200 hektáros korlát, valamint itt vannak az erőforrásokra vonatkozó korlátozások is. Csak azokat az erőforrásokat emeltük ki, amelyek meghatározott csúcsidőszakokban a termelés további növelését akadályozzák. Ez a munkaerő egy időszakban, illetve a nehéztraktor (TR1) két időszakban, és a középkategóriás univerzális traktor (TR1) egy időszakban. A „Területi (vetésváltási) korlátozások” részben szerepelnek a szakmai vagy piaci szempontokat figyelembe vevő ágazati vetésterületi maximumok.

116


3. táblázat: A portfolió modell vetésváltás optimalizálásra adaptált változata

Forrás: Saját modell A modell futtatásának eredményeként egy olyan termelési szerkezetet kaptunk, ahol a tényleges hozam 3,77%-kal meghaladja az elvárt hozamot, a minimális szórásnégyzet értéke 0,033. A vetésszerkezetben nem kapott helyet az árpa, és valójában a repce sem, hisz a repce 0,08%-os részaránya összesen 1 ha körüli területet jelent, ami gyakorlati szempontból elhanyagolható. A zöldborsó és a napraforgó területi korlátozás maximumán áll, ami azt jelenti, hogy ezek részarányának növelhetősége esetén csökken a szórásnégyzet (kockázat) és nő a tényleges jövedelem. A 4. táblázatból a redukált grádiens értéke nyújt erről információt. Ezt az értéket (pl. a napraforgó esetén a 44,4%-ot) azonban inkább csak az iránymutatásként szabad értékelni, mert nem tudható, hogy milyen növelési intervallumok között érvényes. Ilyenkor érzékenységvizsgálattal ellenőrizzük inkább a változtatás hatásait, és az alapján hozzunk döntéseket. A 4. táblázat korlátozó feltételek részében a Lagrange multiplikátor (L) úgy értelmezhető, ha a szűk keresztmetszetet képező erőforrás mennyiségét megnöveljük egy kis (∆) mennyiséggel, akkor variancia megközelítőleg ∆L értékkel csökken. Itt is óvatosan kell bánni a növelés mértékével, mert az L értéke csak kis ∆ változtatásnál ad megbízható információt, inkább itt is több lépésben értékeljük a változtatások hatását. 4. táblázat: Az érzékenységjelentés fontosabb adatai Változók

Végső Végérték 20,0% 10,0%

Név Napraforgó Zöldborsó

Korlátozó feltételek

Forrás: Saját számítás

Redukált gradiens -44,4% -69,8%

Végső Lagrange Név Végérték multiplikátor TR1_1(m.óra) Felhasznált 280 -0,001809517 TR1_2 (m.óra) Felhasznált 240 -0,001774916 TR2 (m.óra) Felhasznált 240 -0,001678926

117


Hivatkozások BALOGH P. – ERTSEY I. – KOVÁCS S. (2007): Survival analysis of culling reasons and examination of the economic risks of production period in sow culling. Joint IAAE-EAAE Seminar, Agricultural Economics and Transition: „What was expected, what we observed, the lessens learnd”. Corvinus University, Budapest, CDissue BALOGH P. (2008): Sertéstartó vállalkozások gazdálkodási kockázatának elemzése az Észak-Alföldi régióban. In: Magda Sándor, Dinya László (szerk.) Vállalkozások Ökonómiája: XI Nemzetközi Tudományos Napok [The XI th International Scientific Days]. Gyöngyös: Károly Róbert Főiskola, 2008.03.27-2008.03.28. pp. 613.(ISBN:978-963-87-831-1-0) BUZÁS GY. (2000): A gazdasági kockázat kezelése, biztosítás In: Mezőgazdasági üzemtan I. Szerk.: BUZÁS GY. – NEMESSÁLYI ZS. – SZÉKELY CS., Mezőgazdasági Szaktudás Kiadó, Budapest, 434-457.p CSIPKÉS M. (2009): Energy orchards economic analysis in Hungary. International Congress on the Aspects and Visions of Applied Economics and Informatics. Debrecen 26 th – 27th March 2009 p.1351-1358 ERTSEY I. – KÁRPÁTI L. (1981): Növénytermesztési ágazatok számítógépes interaktív tervezési-elemzési rendszere. XI. Magyar Operációkutatási Konferencia előadás-kivonatai. Miskolc. ERTSEY I. – TÓTH J. (1985): The application of an automated technological planning system and linear programming in the foundation of decisions relating to the utilization of machines. Bulletin for Applied Mathematics XXXVIII. köt. ERTSEY I. (1986): Some methodological problems of modelling crop production. Bulletin for Applied Mathematics XLIII. köt. GÁL T. – KOMLÓSI I. (2010): Sztochasztikus Data Envelopment Analysis (DEA) alkalmazása magyarországi tehenészeti telepek hatékonyságának mérésére. Acta Agraria Kaposváriensis, Vol. 14. No. 3, 1-9. HARDAKER J.B. – HUIRNE R.B.M. – ANDERSON J.R. (1997): Coping with Risk in Agriculture. CAB International, Wallingford p. xi + 274. HAZELL P. B. R. – NORTON R. D. (1986): Mathematical Programming for Economic Analysis in Agriculture. Macmillan Publishing Company, New York HEADY E. O. – CANDLER W. (1958): Linear programming methods. Iowa States University Press, Ames HEADY E. O. (1957): Economics of agricultural production and resource use. Prentics-Hall, Englewood Cliffs N.Y. KREKÓ B. (1965): Mátrixszámítás. Közgazdasági és Jogi Könyvkiadó, Budapest KREKÓ B. (1966): Lineáris programozás. Közgazdasági és Jogi Könyvkiadó, Budapest KREKÓ B. (1972): Optimumszámítás. Közgazdasági és Jogi Könyvkiadó, Budapest LAMBERT D.K. – McCARL B.A. (1985): Risk Modeling Using Direct Solution of Nonlinear Approximations of the Utility Function. Amer. J. Agr. Econ. p. 846-52 MADAI H. – NÁBRÁDI A. (2005): Kockázati tényezők és kockázatkezelési módok vizsgálata a magyar juhágazatban In: Jávor A.-Pfau E. (szerk): A mezőgazdaság tőkeszükséglete és hatékonysága. Debreceni Egyetem, 186-191.p. MARKOWITZ H. (1959): Portfolio selection, efficient diversification of investments. New York, Whiley Nagy L. (2007): A növénytermesztés termelési kockázatának elemzése különböző termőhelyi adottságoknál az Észak – Alföldi régióban; Agrárgazdaság, Vidékfejlesztés, Agrárinformatika Nemzetközi Konferencia, Debrecen, Cd melléklet, ISBN: 978-963-87118-7-8 RAGSDALE C.T. (2007): Spreadsheet modeling & Decision Analysis: A practical introduction to management science. Thomson South-Western SHARPE W. (1963): A Simplified Model for Portfolio Analysis. Management Sciences 9 p. 277-293 TÓTH J. (1969): A takarmánygazdálkodás matematikai tervezése. Akadémiai Kiadó, Budapest 165 p. TÓTH J. (1973): A termelési tényezők felhasználásának optimalizálása a mezőgazdaságban. Közgazdasági és Jogi Könyvkiadó, Budapest 232. p. TÓTH J. (1981): Mezőgazdasági vállalatok automatizált tervezése, Mezőgazdasági kiadó, Budapest 240. p. WINSTON W. L. (1997): Operations Research Applications and Algorithms, Wadswoth Publishing Company, p. 863-870.

118


Szaktanácsadási Tartalomszolgáltató Információs Rendszer (SZTIR) Térképrajzoló WGS-EOV konvertáló modul kifejlesztése a Károly Róbert Főiskolán Consulting Content provider Information System Development of a map designer WGS-EOV converter module at Károly Róbert College Szűcs Antónia 1, Dövényi-Nagy Tamás 2 és Tomor Tamás 3

Abstract: In the first half of 2011 a project was appealed to the seven Regional Consulting Centres and the Local Consulting Centres working in Hungary by the Ministry of Rural Development, Rural Development, Training and Consulting Institute in order to develop and establish a system, which can support the consulting services. As a result of the common work of these organizations the project entitled Consulting Content provider Information System has been established, that was intended to provide additional content for consultants and farmers by connecting information and processes from different sources. The system established due to this project consists of 7 modules, of which functions are available on this site: www.szaktan.hu. The aim of this study is a more detailed presentation of the module entitled Development of a map designer WGS-EOV converter. During the development of the module the tasks of the project management was done by the North Hungarian Regional Consulting Centre of the Károly Róbert College and the professional responsibility for the implementation was taken by the Károly Róbert Non-profit Ltd. Local Consulting Centre. The module is responsible for a service-based support of the active participants in the consulting system under regulation 73/2007/FVM. Keywords: agricultural consulting, content providing, GIS (Geographic Information System)

Összefoglaló: 2011 első felében a Vidékfejlesztési Minisztérium, Vidékfejlesztési, Képzési és Szaktanácsadási Intézet (VKSZI) projektfelhívást intézett az országban működő 7 db Regionális Szaktanácsadási Központ (RSzK) illetve a Területi Szaktanácsadási Központok (TSzK) felé a szaktanácsadási szolgáltatások nyújtását támogató rendszer fejlesztése és bevezetése céljából. Ennek eredményeként ezen szervezetek közös munkája során jött lére a Szaktanácsadási Tartalomszolgáltató Információs Rendszer (SZTIR) című projekt, mely a különböző forrásokból származó információk és folyamatok összekapcsolásával a tanácsadók és gazdálkodók számára többlettartalom szolgáltatására lett hivatott.A projekt során kialakított rendszer 7 modulból áll, melyek funkciói a www.szaktan.hu című honlapon érhetők el. Jelen tanulmány célja a Térképrajzoló WGS-EOV konvertáló modul részletesebb bemutatása. A funkció kifejlesztése során a projektmenedzseri feladatokat a Károly Róbert Főiskola Észak-magyarországi Regionális Szaktanácsadási Központja látta el, a megvalósítás szakmai felelőse a Károly Róbert Nonprofit Kft. TSzK volt. A modul feladata, hogy szolgáltatásaival támogassa a 73/2007/FVM rendelet szerinti szaktanácsadási rendszer aktív szereplőit. Kulcsszavak: mezőgazdasági szaktanácsadás, tartalomszolgáltatás, térinformatika

1. Bevezetés A vidéki térségek önfenntartó képességének javítása érdekében kiemelt figyelmet kell fordítani a gazdálkodók szakmai szintjének emelésére. Ennek elérését hivatott szolgálni az agrár-szaktanácsadás, azonban ennek eléréséhez meg kell teremteni a technológia- és tudástranszfer új formáit is. A mezőgazdasági szaktanácsadásra vonatkozó definícó sokféle megfogalmazásával lehet találkozni a szakirodalmakban, nem könnyű rövid, mégis minden lényeges jellemzőt magába foglaló fogalmat alkotni róla. Swanson (1984) véleménye szerint minden tanácsadó feladata az, hogy az embereket megtanítsa a vidéki életre, hogyan éljenek ott, és miképp növeljék életszínvonalukat önerőből, a lehető Károly Róbert Főiskola, Természeti erőforrás-gazdálkodási és Vidékfejlesztési Kar, [email protected] 2 Debreceni Egyetem, Mezőgazdaság-, Élelmiszertudományi és Környezetgazdálkodási Kar, [email protected] 3 Károly Róbert Főiskola, Természeti erőforrás-gazdálkodási és Vidékfejlesztési Kar, [email protected] 1

119


legkisebb állami támogatás igénybevételével. Ma már általánosan elfogadott az a vélemény, mely szerint a szaktanácsadás az új ismeretek átadása révén segíti az embereket saját problémáik megoldásában (Kozári, 2007). Az Európai Unió 2007-től kötelezővé tette a tagországai számára a szaktanácsadási rendszer működtetését a mezőgazdaságban. Az Európai Unió Tanácsának 1782/2003 EK Rendelete szerint: „A tagállamok 2007. jan. 1-jéig létrehozzák a mezőgazdasági termelőket a földdel és a mezőgazdasági üzemben folytatott gazdálkodásban segíteni hivatott tanácsadó rendszert, amelyet egy vagy több kijelölt hatóság vagy magánszerv működtet.” Az Országos Szaktanácsadási Központ iránymutatásával hazánk hét statisztikai régiójában Regionális Szaktanácsadási Központok koordinálják a munkát. E központok a meglévő infrastruktúrát kihasználva a felsőoktatási intézményekre telepítve működnek. Az Észak-magyarországi Regionális Szaktanácsadási Központ a Károly Róbert Főiskolán alakult meg 1998-ban. A régióhoz Heves-megyén kívül Nógrád megye és Borsod-Abaúj-Zemplén megye tartozik. A mezőgazdasági szaktanácsadás feladata hatékony kommunikációval a gazdálkodók segítése a legújabb ismeretek megszerzésében. A hatékonyságot hangsúlyozva vált fontos céllá a Szaktanácsadási Tartalomszolgáltató Információs Rendszer (SZTIR) elnevezésű projekt megvalósítása.

2. A SZTIR projekt bemutatása 2011 első felében a Vidékfejlesztési Minisztérium, Vidékfejlesztési, Képzési és Szaktanácsadási Intézet (VKSZI) projektfelhívást intézett az országban működő 7 db. Regionális Szaktanácsadási Központ (RSzK), illetve a Területi Szaktanácsadási Központok (TSzK) felé a szaktanácsadási szolgáltatások nyújtását támogató rendszer fejlesztése és bevezetése céljából. Ennek eredményeként ezen szervezetek közös munkája során jött lére a Szaktanácsadási Tartalomszolgáltató Információs Rendszer (SZTIR) című projekt, melynek forrását az ÚMVP Technikai Segítségnyújtás 2. és 3. alintézkedése biztosította. A tényleges szolgáltatásfejlesztésre a TSzK-k tehettek ajánlatot, az RSzK-k a projekt megvalósítását elősegítő koordinációs és projektmenedzsment feladatokat látták el. Elsődleges cél volt az egymásra épülő, egymást erősítő projektelemek fejlesztése, melyek a leggyakrabban igénybe vett szaktanácsadási szolgáltatásokból kerültek kiválasztásra azok hatékonyságának növelése, költségkímélőbbé, korszerűbbé tétele – döntően elektronikus formájú megjelenítése – érdekében. A projekt során létrehozott rendszer bemutatásra került 2012. április hónapjában a felhasználói célcsoport - elsősorban a szaktanácsadók köre, valamint a felkészült gazdálkodók - számára bemutatók, képzések formájában a Regionális Szaktanácsadási Központokban.

3. A SZTIR projekt moduljai A projekt során kialakított rendszer 7 modulból áll, melyek funkciói a www.szaktan.hu internetes oldalon mindenki számára megtekinthetők, azonban az ügyféladatokat igénylő funkciók csak a VM szaktanácsadói névjegyzékében regisztrált szakemberek számára érhetőek el saját azonosító alapján. 3.1. Kölcsönös megfeleltetés szolgáltatási modul A modul szakmai felelősei az Univer Penta TSzK, a Vas Megyei Agrár Kht. TSzK és a Szabó Vendel TSzK. A modul funkciója a Nemzeti Agrárszaktanácsadási, Képzési és Vidékfejlesztési Intézet (NAKVI) által létrehozott kölcsönös megfeleltetés ügyfél-lekérdező felületéhez beérkezett válaszok adatainak visszacsatolása a gazdálkodó számára személyre szabottan, szűkített tartalommal. 3.2. Növényvédelmi modul A modult a Magyar Növényvédő Mérnöki és Növényorvosi Kamara és a VM DASzK Szakképző Iskola fejlesztette ki, mely segítségével a szaktanácsadók és gazdálkodók számára elérhetővé válik az előrejelzésen alapuló növényvédelem. A méréseken alapuló elemző módszerekkel nyert információk szezontól függően heti illetve havi gyakorisággal kérdezhetik le az informatikai hálózatra kapcsolódó termelők, szaktanácsadók. 3.3. Jogszabály-monitoring modul

120


A projekt során a jogszabály-monitoring modul kifejlesztésében a Közép-Pannon Agrokonzul Kft. és a Fejér Megyei Agrár Nonprofit Kft. vállalt szerepet. A modul a gazdálkodók tevékenységeit segíti elő azáltal, hogy a mezőgazdasággal összefüggő jogszabályok interneten keresztül lekérhető adatbázisát egy rendszerben, követhetően jeleníti meg. 3.4. Gazdálkodói határidőnaptár modul A modult a Rural Nord Kft. TSzK és a Demo-Trade Kft. TSzK valósította meg. A modul funkciója a gazdálkodókat érintő határidős események (kérelem, pályázat, adatszolgáltatás stb.) naptárszerűen történő megjelenítése. A felhasználóknak lehetőségük van - beállítások végrehajtása után - személyre szabni az általuk követett eseményeket. 3.5. Tápanyag-gazdálkodási terv (TGT) készítését segítő modul A modul szakmai felelősei a Kiskunsági Mezőgazdasági Szövetség és a Kecskeméti Főiskola, Mikroöntözési Kutató Szolgáltató Kft. A modul segítségével lehetővé válik a talajvizsgálati eredményeken alapuló tápanyagterv készítése. 3.6. Tipizálás modul A Mezőgazdasági Üzemek tipizálásához kapcsolódó modul a GAK TSzK által valósult meg. A modul eléréséhez felhasználói név – névjegyzéki szám és jelszó megadásával történő szaktanácsadói belépés szükséges. Előnyei többek között az ügyfél szerinti szűkített lekérdezés, az adatok egyszer történő megadása és az adatok visszacsatolásának lehetősége. 3.7. Névjegyzék modul A modul szakmai felelőse a GAK TSzK. A funkció célja a szaktanácsadói lista megjelenítése térkép nézetben, áttekinthető módon, különböző csoportosítási szempontok szerint (kistérség, szakterület stb.) a részletes adatok lekérésével.

4. Térképrajzoló WGS-EOV konvertáló modul

Az előzőekben rövid bemutatásra kerültek a felületen létrehozott különböző funkciók. Jelen tanulmányban részletesebben a Térképrajzoló WGS-EOV konvertáló modul bemutatására kerül sor. A modul kifejlesztésének projektmenedzsere az Észak-magyarországi RSzK, szakmai felelőse a Károly Róbert Nonprofit Kft. TSzK volt a gyöngyösi Károly Róbert Főiskolán. 4.1. A modul létrehozását indokoló tényezők Magyarországon a geodéziai alapok többszöri (általában indokolt) megváltoztatása az alkalmazott vetületi rendszerek sokféleségét eredményezte. Ennek következtében napjainkban is egyszerre több koordinátarendszer van használatban. A két leggyakrabban alkalmazott rendszer a GPS-mérések koordinátarendszere, a WGS84, valamint az EOV (Egységes Országos Vetületi) rendszer. Az egységes országos vetület (EOV) a magyarországi földmérési térképek vetületi rendszere, amit 1975-ben vezettek be, összhangban az egységes országos térképrendszerrel (EOTR-rel). Ferdetengelyű, szögtartó, ún. süllyesztett hengervetület. Alapfelülete a Nemzetközi Geodéziai Unió által az 1967-ben elfogadott IUGG 67 elnevezésű forgási ellipszoid (nagytengelye 6 378 160 m, lapultsága (1/f): 298,247167427). Az ország teljes területét egy hengervetület fedi le. A koordináta-tengelyek tájolása ÉK-i, vagyis a pozitív X iránya északra, a pozitív Y iránya keletre mutat. Az x tengely a gellérthegyi alapponton áthaladó kezdő meridián vetített képe, az y tengely pedig Magyarország középső szélességi vonala közelében haladó és a kezdő meridiánra merőleges legnagyobb gömbi kör vetített képe. A számítások egyszerűsítése érdekében a koordináta-tengelyeket önmagukkal párhuzamosan X irányban 200 000, Y irányban 650 000 méterrel eltolták azért, hogy az egész ország területe az első koordináta-negyedbe essék. Az X koordináta értéke 400 000 m-nél mindig kisebb, az Y koordináta 400 000 m-nél pedig mindig nagyobb. Ezzel is biztosítva a koordináták esetleges felcserélése elleni védelmet. Az ingatlannyilvántartási és polgári topográfiai térképek ebben a vetületi rendszerben készülnek (Varga, 2005).

121


A nemzetközi térinformatikai adatbázisban az EOV rendszer azonosítója (srid) 237004, amelyen keresztül több formátumban is elérhető a vetület leírása. A GPS-műholdak által sugárzott fedélzeti pályaadatok vonatkoztatási rendszere WGS84 (World Geodetic System 1984) néven ismeretes. A WGS84 vonatkoztatási rendszert az USA védelmi minisztériumának (Department of Defense) katonai térképészeti szolgálata (Defense Mapping Agency, 1996-tól National Imagery and Mapping Agency, 2004-től pedig National Geospatial-Intelligence Agency 5) határozta meg és tette közzé, elsősorban globális méretű katonai navigációs és térképészeti feladatok megoldása céljából. A Térképrajzoló WGS-EOV konvertáló modul feladata, hogy szolgáltatásaival támogassa a 73/2007/FVM rendelet szerinti szaktanácsadási rendszer aktív szereplőit. A Károly Róbert Nonprofit Kft. feladatai ezzel kapcsolatban egy térképrajzoló alkalmazás fejlesztése és egy koordinátakonverziós webservice kialakítása voltak. A modul elsődleges célja, hogy elősegítse a gazdálkodók által igényelhető területalapú támogatásokat érintő feladatok elvégzésének megkönnyítését. Az MVH kitöltő felülete kézi rajzolásra ad lehetőséget arra, hogy a gazdálkodó bejelölje a valóságnak megfelelő területi egységének méretét, melyek előzménye minden esetben valamilyen térinformatikai leginkább GPS - eszköz segítségével történő fizikai mérés. A GPS mérések koordinátarendszere a WGS84, azonban az MVH az EOV (Egységes Országos Vetületi) rendszer alapján kéri az adatokat. A modul kifejlesztésének fontosságát elsősorban ezen probléma áthidalására való törekvés alapozta meg. 4.2. A konverzió webes lehetőségei A két vetületi rendszer között gyakran van szükség koordináta-átszámításokra, mely célra jelenleg is több webes alkalmazás érhető el. A publikus online alkalmazások közös jellemzői, hogy általában: • mindkét (EOV->WGS84, WGS84->EOV) irányba konvertálnak • az algoritmusaik nem publikusak • csak egy pontadatot számítanak A konverterek legtöbbje szerver oldali alkalmazás, PHP nyelven íródott, így ezek forráskódja nem publikus. Néhány alkalmazás Java környezetben készült, így a kliens oldali feldolgozásnak köszönhetően az egyébként nem publikus kódú alkalmazások forráskódja könnyen visszafejthető. A készítők szándékai ellenére az Excel számolótáblaként publikált alkalmazások algoritmusa is könnyen hozzáférhető a rejtett munkalapok és sorok helyreállításával. Egyre több esetben találkozhatunk a konvertált pontok azonnal, Google Maps felületen történő megjelenítésével. Bár a legtöbb alkalmazás csak egyetlen pontadat webes űrlapon keresztül történő bekérésére képes, egy-egy program készítői a pontlista beolvasását, vagy akár a fájlból történő adatbevitelt is megoldották. A listát vagy fájlt kezelő alkalmazásoknál a kimenet sem korlátozódik a képernyőn való megjelenítésre, hanem többféle fájlformátum (csv, gpx, kml) előállítása kérhető. Az elérhető konverziós szolgáltatások sajátosságainak vizsgálata után létrehoztuk a saját koordinátakonverziós megoldásunkat, melynek jellemzői: • A konverzióshoz az előzetes kutatások során azonosított legmegfelelőbb (legpontosabb) algoritmust alkalmaztuk. (Az algoritmus nem publikus, de a térképrajzoló modulon keresztül vagy webservice-ként használható.) • Konverziós irányok: EOV, az MVH által használt „eltolt” EOV, illetve a WGS84 között minden irányba. 4

http://spatialreference.org/ref/epsg/23700/

5

https://www1.nga.mil/

122


•

Konverzió végezhető pontra, pontlistára (CSV), MVH koordinátaobjektumra.

A koordinátakonverzió a térképrajzoló modul import- és exportfunkcióinak alapját képezi. 4.3. A térképrajzoló modul A térképrajzoló modul a http://terkeprajzolo.karolyrobert.hu/ weboldalon érhető el, kezdőoldalát az 1. ábra mutatja.

1. ábra. SZTIR kezdőlap Forrás: saját szerkesztés A térképrajzoló keret segítségével Google Maps felületen poligonok hozhatók létre, illetve módosíthatók azok. • A korábban mentett térképi adatok (CSV koordinátalista, KML, shapefile) megjelenítésére, illetve további módosítására is lehetőséget ad. Szöveges mezőben a térképi adatok CSV koordinátapárok, vagy akár az MVH által is alkalmazott objektum formájában is megadhatók. • A rajzolás eredménye menthető – a rajz jellegétől függően – többféle formátumban (koordinátalista, CSV, KML). • A keret képes a kivett területek az ún. „lyukak” kezelésére is (2. ábra). • További funkció a rajzolás során az automatikus távolság- és területmérés. • A rendszer több száz poligon/tábla együttes kezelésére is képes, az alkalmazhatóság korlátait a jelenlegi böngészők grafikus motorjai jelentik.

123


2. ábra. „Lyukak” kezelése Forrás: saját szerkesztés 4.4. A modul tesztelésének eredményei A tesztelés során olyan helyzeteket kívántunk megvizsgálni, amelyek megfelelnek az éles helyzetben, a majdani felhasználás során felmerülő gyakori feladatoknak, ugyanakkor alkalmasak az alkalmazás esetleges gyenge pontjainak feltárására. A tényleges tesztelésre az ország több pontján elhelyezkedő kliensgépekről került sor (Debrecen, Gyöngyös, Gödöllő). A tesztelés egyik fontos eredményeként megállapítottuk, hogy jelentős eltérések tapasztalhatók az egyes böngészők grafikus teljesítménye között (ugyanakkora mennyiségű, több száz valós táblapoligont tartalmazó térképi adatnak a megjelenítésekor). Az érzékelhető teljesítmény (csökkenő sorrendben): Chrome, Firefox, Internet Explorer. A modul csoportos tesztelésére is sor került képzés formájában 2012. április hónapjában a szaktanácsadók és gazdálkodók körében. Ezen alkalmakon a felhasználói célcsoportnak lehetősége nyílt a modul munkájukat segítő szerepének megismerésére, a funkciók gyakorlati használatának elsajátítására. A tesztek alapján kijelenthető, hogy az eredeti elképzeléseket megvalósítva, több helyen jelentősen továbbgondolva, egy életképes térképrajzoló alkalmazás született.

5. Továbbfejlesztési javaslatok Már a tervezés szakaszában gondolnunk kellett az alkalmazás jövőjére, hiszen ha az a szaktanácsadók napi használati eszközévé válik, akkor elkerülhetetlen a folyamatos fejlesztés. A folyamatos fejlesztési igény egyik indoka a háttértechnológiák (Google Maps API, böngészők stb.) változása. Mivel azonban a munkaszakasz időtávja sem tette lehetővé az összes felmerült ötlet megvalósítását, ezért az előzetes ötletek közül a fejlesztésből kimaradók a továbbfejlesztés során élvezhetnek prioritást: előzetesen az ESRI shape mint kimenet és bemenet megvalósíthatóságát kizártuk a munkaszakasz rövid időtávja miatt. A megvalósítás során – bár a teljes munkafolyamat

124


(shape beolvasás, konverzió WGS-re, megjelenítés, módosítás, konverzió EOV-re, shape export) összes lépése nem készült el – a beolvasás és megjelenítés elkészült. A mentés ebben a formátumban a továbbfejlesztés során valósulhat meg.

Hivatkozások Kozári J. 2007. Szaktanácsadás. Debrecen, Debreceni Egyetem Agrár- és Műszaki Tudományok Centruma Swanson, B. 198. Agricultural Extension. FAO. Rome. Timár G., Molnár G. 2002. A HD72 » ETRS89 transzformáció szabványosítási problémái. Geodézia és Kartográfia 54(12): 28-30. http://www.fomi.hu/internet/magyar/szaklap/2002/12/5.pdf Varga J. 2005. A vetület nélküli rendszerektől az UTM-ig http://www.agt.bme.hu/staff_h/varga/vetulettan/katvet.html http://www.fomi.hu/honlap/magyar/szaklap/2002/01/jan2.pdf http://en.wikipedia.org/wiki/Earth_radius http://spatialreference.org/ref/epsg/23700/ https://www1.nga.mil/

125


A mezőgazdasági szaktanácsadás segítése IKT eszközökkel Supporting agricultural extension work by ICT tools Cseh András 1

Abstract: The importance of agricultural extension lies in the fact that the professional knowledge, information supply of the producers significantly affect to the efficiency of agricultural production. The farmers need very complex knowledge in the successful farming, they need many kind of information, which one part of it comes from the extensionists. However nowadays consultants, cannot do it without use of information and communication technologies, the Internet services. During the research I examined the usage and usefulness of information technology and of Internet services by a questionnaire survey. This article describes the evaluation of the findings of the survey shows. Keywords: extension, informatics, Internet

Összefoglaló: A mezőgazdasági szaktanácsadás jelentősége abban rejlik, hogy a termelők szakmai ismerete, információ ellátottsága jelentősen befolyásolja a mezőgazdasági termelés eredményességét. A mezőgazdasági termelőknek a sikeres gazdálkodáshoz rendkívül összetett ismeretanyagra, sokféle információra van szükségük, melynek egyik forrása a szaktanácsadói támogatáson keresztül történik. A szaktanácsadók ugyanakkor ma már nem nélkülözhetik a szaktanácsadói tevékenységükben az információs és kommunikációs eszközök használatát, az Internet szolgáltatásokat. A kutatás során a szaktanácsadók által használt információtechnológiák és Internet szolgáltatások igénybevételét, hasznosságát vizsgáltam kérdőíves felméréssel. A cikk a felmérés kiértékelésének eredményit mutatja be. Kulcsszavak: szaktanácsadás, informatika, Internet

1. Bevezetés A mezőgazdasági szaktanácsadás jelentősége abban rejlik, hogy a termelők szakmai ismerete, információ ellátottsága jelentősen befolyásolja a mezőgazdasági termelés eredményességét. A szaktanácsadás fogalmára a hazai és külföldi szakirodalomban nincs egységesen kialakult definíció. Mucsi (2000) szerint „A mezőgazdasági szaktanácsadás célja, hogy segítse a gazdálkodókat a jelenlegi és jövőbeni várható helyzetük elemzésében, problémáik felmérésében, gyarapítsa ismereteiket, fejlessze a problémák iránti érzékenységüket, aktivizálja meglévő tudásukat, segítse a hiányzó és szükséges ismereteik megszerzését, alakítson ki többféle megoldási lehetőséget”. Pető-Nagy (2002) szerint a szaktanácsadás fontos, mert Magyarországon jellemző probléma, hogy „sok gazdálkodó nem képes az információkhoz segítség nélkül hozzájutni, mivel a magángazdálkodók számára a szükséges információk köre, illetve csatornái nincsenek megfelelően kiépítve”. Az információ továbbítása jelentősen felértékelődött a globalizálódó világban. A tudomány és a technika fejlődésével az új ismeretek száma jelentősen bővült, elterjesztésükben kiemelt szerepe van a különböző ismerethordozó eszközöknek a gazdálkodók és vidéki térségekben élők számára (Herdon, 2009). Napjainkban számos ismerethordozó áll rendelkezésünkre, hogy a felhasználható tudás a társadalom minél szélesebb rétegéhez eljusson (Tóth, 2005). A mezőgazdasági termelők számára a sikeres gazdálkodáshoz rendkívül összetett ismeretanyagra, sokféle információra van szükség. Néhányat megemlítve pl. információ az újabb nemesítésű, nagyobb hozambiztonságú fajtákról; a korszerűbb agrotechnikai eszközökről, műveletekről; az újabb, hatékonyabb növényvédőszerekről, illetve a hatályos törvényi és támogatási szabályozásról. Ezen információk eléréséhez, megosztásához és cseréjéhez szabványos megoldások szükségesek (Füzesi – Herdon, 2007).

1

Debreceni Egyetem, Gazdálkodástudományi és Vidékfejlesztési Kar, [email protected]

126


2. A kutatás célja és módszere Kérdőíves felmérés segítségével megvizsgáltam, hogy az Internet milyen módon segíti a szaktanácsadók munkáját és arra is kerestem a választ, hogy a szaktanácsadóknak mi a véleményük, mely tényezők nehezítik, gátolják az IKT eszközök terjedését a mezőgazdaságban. A kérdőív célcsoportja a Vidékfejlesztési, Képzési és Szaktanácsadási Intézet (VKSZI) hivatalos szaktanácsadói, akiknek a szakterülete az alábbiak közül legalább az egyik: farm menedzsment, ökonómia; szántóföldi növénytermesztés; növényvédelem. Az alapsokaság 550 főt tett ki, és ezen személyek közül 236 főnek volt meg az e-mail címe. A Limesurvey rendszerben elkészített kérdőív ezen 236 személy részére lett kiküldve e-mailen keresztül. A kiküldött 236 e-mail közül – különböző okok miatt – 48 levél nem érte el a címzettet. Végeredményben 52 fő adott választ, a válaszadási hajlandóság 22%. A kérdőívem első kérdése arra irányult, hogy a szaktanácsadó hány fő egyéni gazdálkodó és társas vállalkozás részére nyújt szaktanácsadási szolgáltatást (1. táblázat). 1. táblázat: A szaktanácsadók ügyfeleinek száma

Egyéni gazdálkodók száma (fő)

Gazdasági társaságok száma (db)

Összesen

1549

265

Átlag

29,8

5,1

Maximum érték

150

20

A fenti táblázatból látható, hogy a kérdőívet kitöltő szaktanácsadók körében a társas mezőgazdasági vállalkozások az összlétszámukhoz képest jóval nagyobb arányban vannak jelen, mint az egyéni gazdálkodók.

3. Információtechnológiák és szolgáltatások alkalmazása a szaktanácsadók körében Felmérésemben vizsgáltam, hogy a különböző kapcsolattartási módokat (e-mail, személyes elbeszélgetés, telefon/mobil telefon), ezek hatékonyságát és használatának gyakoriságát hogyan ítélik meg (1. ábra, 2. ábra). Mint az várható volt, az 1. ábra és a 2. ábra mutatja, hogy a személyes elbeszélgetés a leghatékonyabb és a leggyakrabban használt kapcsolattartási forma. A személyes elbeszélgetés és a telefonos kapcsolattartás közvetlen kommunikációs forma, amelyben lehetőség van az információ azonnali pontosítására. Az e-mail használata viszont sokkal lassabb kommunikációt tesz lehetővé, mert mindkét félnek e-mail küldésre és fogadásra alkalmas eszköz (többnyire számítógép) közelében kell tartózkodnia. Az e-mail főként akkor hasznos, ha nem azonnal van szükségünk az adott információra, és akár több gazdálkodónak is hasonló levelet kell továbbítani. 8 fő; 15%

2 fő; 4%

e-mail személyes elbeszélgetés

42 fő; 81% 1.

ábra: A leghatékonyabbnak említett kapcsolattartási módok megoszlása

127


5 fő; 11% 15 fő; 34% e-mail

24 fő; 55%

személyes elbeszélgetés

2. ábra: A leggyakrabban használt kapcsolattartási módok megoszlása

Az internetes információforrások vizsgálata során arra kerestem a választ, hogy a szaktanácsadók a munkájuk során a különböző weboldalakon található információkat mennyire tartják hasznosnak. A weboldalakat a „tulajdonos” szerint 4 csoportba soroltam, ezen csoportok a következők:  kormányzati és szakigazgatási intézmények,  piaci szereplők,  pénzintézetek,  egyéb információ szolgáltató szervezetek. A 3. ábrán láthatjuk, hogy a válaszadók többsége a Mezőgazdasági és Vidékfejlesztési Hivatal (MVH), valamint a Nemzeti Élelmiszerlánc-biztonsági Hivatal (NÉBIH) – régebben Mezőgazdasági és Szakigazgatási Hivatal (MGSZH) – közepesnél fontosabbra (3-as érték) értékelte a honlapján található információkat. A másik két intézmény honlapján található információk fontosságáról már jobban megoszlanak a vélemények. A Nemzeti Adó- és Vámhivatal (NAV) weboldala esetén erre a magyarázat szerintem az, hogy a szaktanácsadókat ritkán keresik meg adóügyi kérdésekkel.

3. ábra: A kormányzati és szakigazgatási intézmények honlapján található információk fontossága a szaktanácsadók számára

A 4. ábrán tekinthetjük meg a szaktanácsadók véleményét a piaci szereplők honlapján található információk fontosságáról. Az információk hasznosságát inkább közepesen fontosnak ítélték, amely alacsonyabb, mint a kormányzati szolgáltatások esetében, de a növényvédőszer gyártó és a műtrágya gyártó cégek weboldalán található információkat a válaszadók többsége közepesnél hasznosabbra értékelte.

128


4. ábra: A piaci szereplők honlapján található információk fontossága a szaktanácsadók számára

Az 5. ábrán látható a szaktanácsadók véleménye az egyéb információszolgáltató szervezetek honlapján található információkkal kapcsolatban. A mezőgazdasági újságok esetén elmondható, hogy a többség közepesnél fontosabbnak értékelte, viszont a többi esetben (pl. Agrárgazdasági Kutató Intézet, KSH) a gyengébb vélemények magyarázhatók azzal, hogy nem minden szaktanácsadó területe gazdasági jellegű, ezért ezen információkat a munkájuk során nem használják.

5. ábra: Az egyéb információszolgáltató szervezetek honlapján található információk fontossága a szaktanácsadók számára (1- Egyáltalán nem fontos, 5-Nagyon fontos)

A kérdőívem következő kérdésében arra kerestem a választ, hogy a szaktanácsadók a munkájukhoz szükséges különböző információkat milyen információforrásokból szerzik be. Az egyes információ típusok esetén a következő információforrások között kellett nekik fontossági rangsort felállítani:  Napilapok/mezőgazdasági szaklapok,  TV/rádió,  Internet (weboldalak adatbázisok, hírlevelek),  Szakmai kiállítások/bemutatók.

129


A 2. táblázat a különböző információforrások összesített rangsor helyezését és az első helyre említők számát mutatja. Elmondható, hogy a válaszadók között – mindegyik információ típus esetén – az Internetet tartják a legfontosabb információforrásnak. A Kendall-féle egyetértési mutató minden esetben 0,5 fölötti értéket ért el, ezért elmondható, hogy egyetértés van a szaktanácsadók között a különböző információforrások fontosságában. Természetesen azt nem szabad kijelenteni ezek alapján, hogy az Internetről lényegében minden információ beszerezhető, amire a szaktanácsadóknak szüksége van. 2. táblázat: A szaktanácsadók által az információforrások között kialakított összesített rangsor az adott információforrást első helyen megemlítők száma

Információforrások Információ típusa

Napilapok/ mezőgazdasági szaklapok

Új technológiai, kutatási ismeretek Szakigazgatási és kormányzati információk Főbb alapanyagokkal kapcsolatos információk Értékesítési lehetőségek Meteorológiai információk

TV/rádió

Internet (weboldalak, adatbázisok, hírlevelek)

Szakmai kiállítások/ bemutatók

3. hely;

4. hely;

1. hely;

2. hely;

4 fő; (8%)

1 fő; (2%)

33 fő; (63%)

14 fő; (27%)

2. hely;

4. hely;

1. hely;

3. hely;

8 fő; (15%)

0 fő; (0%)

41 fő; (79%)

3 fő; (6%)

3. hely;

4. hely;

1. hely;

2. hely;

6 fő; (12%)

0 fő; (0%)

27 fő; (52%)

19 fő; (37%)

2. hely;

4. hely;

1. hely;

3. hely;

11 fő; (21%)

1 fő; (2%)

33 fő; (63%)

7 fő; (13%)

3. hely;

2. hely;

1. hely;

4. hely;

2 fő; (4%)

5 fő; (10%)

45 fő; (87%)

0 fő; (0%)

Kendall-féle egyetértési mutató

0,513

0,618

0,546

0,585

0,826

Ezt követően arra kerestem a választ, hogy van-e összefüggés a weboldalakon található információ hasznossága és az Internet ragsor helyezése között. Kereszttábla elemzés használatával kerestem összefüggést. 3. táblázat: A kereszttábla csoportosítási módja

1

2

1

Internet rangsor: 1 Információ fontossága a weboldalon: 1-3

Internet rangsor: 2-4 Információ fontossága a weboldalon: 1-3

2

Internet rangsor: 1 Információ fontossága a weboldalon: 4-5

Internet rangsor: 2-4 Információ fontossága a weboldalon: 4-5

Az információ fontossága 1 és 5 közötti értéket, az Internet rangsora 1 és 4 közötti értéket vehet fel, de mivel alacsony az elemszám így az 5*4 tábla helyett az adott válaszokat csoportosítás után 2*2 táblába soroltam a 3. táblázatban látható módon.

130


Lényegében azt vizsgáltam, hogy ha az adott weboldalon az információ fontosságát a válaszadó átlagosnál jobbra (4-re vagy 5-re) értékelte, akkor számára az adott információ típus esetén az Internete a legfontosabb információforrás. A 4. táblázatban felsorolt esetekben találtam kereszttábla segítségével igazolható összefüggést a két tényező között. 4. táblázat: A weboldalon található információ fontossága és az Internet, mint információforrás fontossága közötti kapcsolat

Cramer's Pearson SzignifiV Chikanciaszint együttható Square értéke

Igazolt kapcsolat

Új technológia ismeret

A vegyszer gyártó cégek honlapján az információ fontossága

8,64

0,003

0,408

Új technológia ismeret

A műtrágya gyártó cégek honlapján az információ fontossága

5,97

0,015

0,339

Szakigazgatási információ

Az MVH honlapján az információk fontossága

8,23

0,004

0,398

Szakigazgatási információ

A NÉBIH/MGSZH honlapján az információ fontossága

6,92

0,009

0,365

A kereszttábla elemzésnél a Cramer V együtthatót használtam a két változó közti összefüggés erősségének a meghatározására, ezek alapján közepes erősségű kapcsolat áll fent a táblázatban lévő 4 esetben. Ezek szerint, ha a szaktanácsadó fontosnak tartja a munkájához a weboldalon található információkat, akkor az Internet lesz számára a legfontosabb információforrás. Végül azt vizsgáltam, hogy a különböző tényezők miként hatnak az IKT eszközök terjedésére, használatára a növénytermesztő gazdaságok esetén. A szaktanácsadók több mint 1500 egyéni gazdálkodó számára nyújtanak szolgáltatást, így a véleményük megalapozottnak mondható az adott kérdésben. Az adatok elemzéséhez faktoranalízist használtam, amely egyrészt a változók számát csökkenti és ezen kívül a köztük lévő összefüggés feltárását szolgálja. Az adataim esetén a KMO érték: 0,735, ezért így azok alkalmasak a faktorelemzés elvégzésére. Az eredeti 10 kiindulási változóból kialakított 3 főkomponens segítségével magyarázható az adatok varianciájának 66%-a. Az 5. táblázatban látható faktorsúlyok az eredeti változó és az adott faktor közötti korrelációt mutatja. A faktorok rotálása az adatok könnyebb értelmezését segíti. Az egyes faktoroknak a hozzájuk tartozó változók alapján az alábbi nevek adhatók: 1. Felhasználói készségek, anyagi lehetőségek 2. Felhasználók tájékozatlansága, nem megfelelő tájékoztatása 3. Személyes tényezők

131


5. táblázat: A rotált faktorsúlyok mátrixa az IKT terjedése esetén

Faktorok 1 Nehézkes az alkalmazások használata

0,810

Nehézkes az eszközök használata

0,808

Drágák az IKT eszközök

0,670

2

Szolgáltatások ismeretének hiánya

0,849

Eszközök ismeretének hiánya

0,797

Informatikai ismeretek hiánya

0,434

3

0,364

Félelem az újdonságtól

0,662

Bizalomhiány az elektronikus szolgáltatásokkal kapcsolatban

0,630

Nehezen mérhetők a gazdasági és egyéb előnyök

0,500

IKT eszközök nem mindig kapcsolhatók össze egymással

0,406

A minta elemszáma determinálja, hogy mely változók vehetők figyelembe az egyes faktorok esetén. A szakirodalom szerint 50-es mintanagyságnál csak a legalább 0,75-ös értéket elérő faktorsúlyok vehetők figyelembe. Ezért az én esetemben a 3. faktor súlyai kevésbé megbízhatóak, de mutatják, hogy a különböző személyes tényezők is hatással vannak az IKT eszközök terjedésére, használatára. A faktorelemzés alapján elmondható, hogy a szaktanácsadók főként felhasználói készségekre, a gazdák kisebb mértékű tájékozottságára, tájékoztatására és egyéb személyes tényezőkre vezetik vissza az IKT eszközök alacsonyabb elterjedését.

Hivatkozások Füzesi I., Herdon M. (2007): EDI - XML Standards and Technologies in the Agri-Food Industry. In: Herdon M., Szilágyi R. (szerk.) Summer University on Information Technology in Agriculture and Rural Development. Debrecen. Hungarian Association of Agricultural Informatics. pp. 122-131. Herdon M. (2009): Impacts of e-collaboration tools for development of rural areas. In: Nábrádi A, Lazány J, Fenyves V (szerk.). AVA Congress 4: International Congress on the Aspects and Visions of Applied Economics and Informatics. Debrecen. Agroinform Kiadó, pp. 952-959. Mucsi I. (2000): Szaktanácsadási rendszer a mezőgazdaságban. Menedzsment tanácsadási kézikönyv. KJKKERSZÖV Jogi és Üzleti Kiadó. Budapest. 365. p. Pető K., Nagy G. (2002): A mezőgazdasági szaktanácsadás szerepe a vidékfejlesztésben. Tiszántúli Mezőgazdasági Tudományos Napok. Szaktanácsadási és Vidékfejlesztési Szekció. Debrecen Tóth K. (2005): Az agrár-szaktanácsadás helye a mezőgazdasági ismereti rendszerben, fejlesztési lehetőségeinek magalapozása Magyarországon. Doktori értekezés. Gödöllő

132


Élelmiszertermékek környezetterhelésének mérőszáma és annak érzékenysége az életciklus elemeire Environmental impact measurement of food products and its sensitivity to life cycle elements Erdélyi Éva 1, Pákolicz Orsolya 2, Boksai Daniella 3

Abstract: How does the carbon emission of food products effect the environment? Is it possible to abate the nascent carbon emission during the production process? These and other similar questions are often in use nowadays, but there are very few examples of answering them and finding the possible solutions. Analysing the carbon footprint of food is a new idea of sustainable thinking, but usually means only evaluating the influence of the products transportation, from the grower to the consumer. Research of the effects of production on the environment is a very complex challenge. We have to calculate separately the amount of energy used by the process, for example the chilling, heating, wrapping, etc. The carbon footprint means the total emissions of greenhouse gases in carbon equivalents from a product across its lifecycle. Carbontrademark is already used by some west-European countries. There are big companies which inaugurate it on their products as a part of a climate protection strategy and to indicate their accountability for the environment. Putting new label on products has benefits for the costumers, giving them information about the manner of energy using abate. Marking allow companies to promote the environmentally sound processing. Keywords: carbon footprint, environment friendly, food product, life cycle, sensitivity

Összefoglaló: Mennyiben járul hozzá egy élelmiszeripari termék a környezetterheléshez; előállítása során hozzájárulhatunk-e a széndioxid kibocsátás csökkentéshez? Ilyen és ehhez hasonló kérdésekről manapság gyakran olvashatunk, de megválaszolásukra, illetve az ehhez szükséges lépések kidolgozására még kevés példa van. Az élelmiszer széndioxid „lábnyomát”, mint új fogalmat emlegetik, de ez alatt elsősorban a termékek szállításával, a környezetre gyakorolt terhet fejezik ki a termelőtől a fogyasztóig vezető úton. Az élelmiszer-előállítás környezeti hatásainak vizsgálata ennél sokkal összetettebb feladat: számba kell venni a termelés során felhasznált energia mennyiségét, ide értve a hűtést, a fűtést, az élelmiszerek csomagolásának mennyiségét, minőségét is, stb. Pontosabban tehát, a szénlábnyom valamely termék vagy szolgáltatás teljes élettartama során keletkező szén-dioxid és egyéb üvegházhatású gázok, széndioxid egyenértékben kifejezett, együttes mennyisége. A termékek megjelölésénél célszerű a termék előállításához vezető út lehető legtöbb lépését figyelembe venni és a szállítás, valamint a többi tényező hatását külön kezelni. A karbon-védjegy termékjelölést már több nyugat-európai ország használja, kísérleti jelleggel több cég is bevezette a termékein a klímaváltozás elleni kötelezettségvállalásainak részeként. A jelzés lehetővé teszi a környezettudatos vásárlást és ezáltal a környezetbarát előállítás támogatását is növeli. A termékek címkézéséhez átfogó széndioxid kibocsátási felmérés elkészítésére is szükség van. Kulcsszavak: élelmiszer termék, életciklus, érzékenység, környezetbarát, széndioxid lábnyom

1. Bevezetés Mennyiben járul hozzá egy élelmiszeripari termék a globális széndioxidkibocsátás-csökkentéshez? Milyen különbségek tapasztalhatók ebből a szempontból a hazai előállítású, illetve az import élelmiszer nyersanyagok között? Miben tér el egymástól a kistermelői-kisüzemi termék-előállítás és a nagyüzemi termelés? Milyen lehetőségek vannak a környezetterhelés csökkentésére az élelmiszerek előállítása során? Ilyen és ehhez hasonló kérdésekről manapság gyakran olvashatunk, megválaszolásukra azonban hazánkban kevés elemzés áll rendelkezésre. Munkánk során néhány elemzés elvégzése volt a célunk. Budapesti Gazdasági Főiskola, Kereskedelmi, Vendéglátóipari és Idegenforgalmi Kar, [email protected] 2 Budapesti Gazdasági Főiskola, Külkereskedelmi Kar, [email protected] 3 Budapesti Corvinus Egyetem, Kertészettudományi Kar, [email protected] 1

133


A környezetterhelés különböző mérőszámait ismerjük. A legtöbbet az ökológiai lábnyomról hallani, mely azt a területet jelenti, ami károsodás nélkül meg tudja termelni az aktuális életvitelünkhöz szükséges javakat (élelem, energia, ...). Egyre többször emlegetik ma már a vízlábnyom fogalmát is, mely megmutatja, hogy egy fő mennyi édesvizet használ fel, beleértve azt is, hogy az életszínvonala biztosításához indokolt termékek előállításához hány liter víz szükségeltetik. Egy környezetterhelési mérőszám a szénlábnyom is, mely valamely termék vagy szolgáltatás teljes élettartama során keletkező szén-dioxid és egyéb üvegházhatású gázok, szén-dioxid egyenértékben kifejezett, együttes mennyiségét jelenti. Környezetterhelésünk olyan jelentős, hogy három Földbolygó is kevés lenne mai szükségleteink kielégítésére (1. ábra), jelentős hányadát az élelmiszerrel kapcsolatos szénlábnyom teszi ki, így munkánkban ezzel foglalkozunk részletesen, tehát elsősorban élelmiszeripari termékek vonatkozásában vizsgáljuk.

1. ábra. A széndioxid terhek forrásmegoszlása (forrás:www.habarbadi.com) Az élelmiszer „széndioxid-lábnyomát”, mint új fogalmat emlegetik, de konkrét számításokat ez idáig szinte csak az Egyesült Államokban és néhány nyugat-európai országban végeztek. A szénlábnyom valamely termék vagy szolgáltatás teljes élettartama során keletkező szén-dioxid és egyéb üvegházhatású gázok széndioxid egyenértékben kifejezett, együttes mennyisége. Számításakor egyaránt számba kell venni a nyersanyagtermelés, a feldolgozás, a szállítás és az értékesítés során felhasznált energia, és a felhasznált anyagok mennyiségét, illetve egyéb tényezőket – például az újrahasznosítás lehetőségét vagy az eltérő logisztikai rendszerek sajátosságait – a termelőtől a fogyasztóig vezető úton. A karbon-védjegy termékjelölést több nyugat-európai ország is használja, és kísérleti jelleggel több cég is bevezette a termékein a klímaváltozás elleni kötelezettségvállalásainak részeként. Ez a jelzés információval könnyíti meg a környezettudatos választást, ezáltal pedig közvetett támogatást nyújt a környezetbarát termékek előállításához; szükségessége a 2009-es koppenhágai klímacsúcson megfogalmazott nyilatkozat javaslataiban is körvonalazódik. Munkánkban az élelmiszeripari termékek termékcsoportokra pontosított környezetterhelés kiszámításának általunk továbbfejlesztett módszertanát mutatjuk be. Az esettanulmányok segítségével nyomon követhetjük a számítás módját, valamint termék életciklus alapján elemezhetjük, hogy milyen lépések tehetők a környezetterhelés csökkentésének érdekében. Érzékenységvizsgálatot végzünk arra vonatkozóan, hogy az egyes elemek értékeinek megváltoztatásával milyen mértékben változik meg a mérőszám; pl. hogyan befolyásolja a szénlábnyom értékét a szállítás, a tárolás, a csomagolási mód megválasztása, illetve a különböző technológiai- vagy előállítási folyamatok lépéseinek alkalmazása. 1.1. Mi a szénlábnyom? Angolszász országokban a széndioxid környezeti hatását az úgynevezett szénlábnyommal mérik. A szénlábnyom annak a széndioxid mennyiségnek kilogrammban vagy tonnában mért tömege, amennyi ugyanakkora globális felmelegedést okoz, mint a keletkezett üvegházhatású gázok együttesen. Használata számszerűen is mérhetővé teszi azt, hogy az adott tevékenység milyen mértékben járul hozzá a globális felmelegedéshez. A körforgásban résztvevő szén több mint 10%-a emberi eredetű. A légkör széndioxid tartalma az 1860-as 270 ppm értékről 2008-ig 380 ppm-re emelkedett. A széndioxid tartalom növekedését a fotoszintézis, egyéb korlátozó tényezők miatt nem tudja ellensúlyozni. Szükség van tehát emberi beavatkozásra a csökkentés eléréséhez. Ennek lehetséges módja a termékek szénlábnyomának

134


kiszámítása, a csökkentésére való törekvés, elemzések elvégzése után a megfelelő stratégiák megtalálása, kiválasztása és alkalmazása.

2. A környezetterhelés mértékének meghatározása Az egyes termékek szénlábnyomának kiszámítása és feltüntetése Magyarországon még nincs jelen a köztudatban, így a gyakorlatban sem, viszont vannak törekvések erre vonatkozóan. Európai példaként megemlíthető többek között Nagy-Britannia, ahol a ”Carbon Trust” nevű cég foglalkozik szénlábnyom számítással. Az ő módszertanukra alapozva és a magyarországi viszonyokra adaptálva mutatjuk be azokat a szénlábnyom kiszámításához szükséges lépéseket, amelyeket Magyarországon is célszerű lenne használni és hazai, főleg élelmiszeripari termékekre meghatározni, lehetőség szerint továbbfejleszteni. A szénlábnyom számítás egyfajta lánc analízis, melynek segítségével kimutatható azon üvegházhatású gázok mennyisége, melyek egy termék előállítása során keletkeznek. Ez a módszer a nyersanyag megtermelésétől, mindennemű szállításon át az eladásig követi nyomon a termék által kibocsátott széndioxid (illetve arra átszámolt egyéb káros kibocsátott anyag) mennyiségét, de nem számol a termék használata közben már a vevőnél keletkező emisszióval. Olyan esetekben, ahol annak egyértelmű lépései meghatározhatók, célszerű azt a tényezőt is bevenni a vizsgálatba. A szénlábnyom számítása vállalkozások számára is lehetővé teszi azt, hogy a szénlábnyomot, mint önálló terméket kezeljék. Nagyságának számszerű feltüntetése a különböző termékeken biztosítaná a vásárlóknak a környezettudatos választás lehetőségét. 2.1. A szénlábnyom számításának menete A módszertan öt fő lépést foglal magába. Minden egyes lépés szorosan ráépül az őt megelőzőre és természetesen több rész-számításon alapszik. 1. lépés: A termék „belső életének” analízise A termék illetve a gyártási folyamat alapos, minden részletre kiterjedő ismeretét jelenti. Magába foglalja a nyersanyag előállítást a termék minden egyes összetevőjére vonatkozóan, az előállítási és egyéb folyamatainak lépésenkénti részletes elemzésével, ami az ún. termék életciklus elemzés (LCA); melyhez szükséges a gyártás, a tárolás, a szállítás és a hulladékgazdálkodás teljes procedúrájának ismerete (2. ábra).

2. ábra. A termék életciklus főbb lépései 2. lépés: Nyersanyag térkép készítése Ebben a lépésben történik az összes nyersanyag útjának végigvezetése, melyekből az adott termék összeáll, és lekövetése egészen a boltok polcáig. A késztermék „output” előállítása történhet egy vagy akár számos alapanyagból is. Ezen alapanyagok mindegyike egyenként komplex analízisre szorul, a nyersanyag előállítástól, a tároláson és szállításon át. Ez a lépés minden termék esetében egyedi tervezést és elemzést igényel. A 3. ábrán egy példát mutatunk be.

135


3. ábra. A rizs nyersanyagtérképe és életciklusának vázlata 3. lépés: Kezelhető adatbázis létrehozása Ahhoz, hogy a módszertan egyaránt legyen megalapozott, praktikus és könnyen kezelhető ésszerűen limitálni kell a bevitt adatok számát. Ha minden egyes termék esetén 100%-os adat inputtal dolgoznánk az adatok kezelhetetlenné válnának és a vizsgálat extrém költségeket vonna maga után. Jelenleg a vizsgálat a termék nyersanyagainak 90%-os analízisét teszi lehetővé. Mindez a jövőben felülbírálható lehet a módszertan továbbfejlesztésével. Létfontosságú továbbá egy határt szabni, ahol a vizsgálat indul, illetve ahol a vizsgálat megáll. Ez a határ lehet pl. az a pont, amikor a nyersanyag átfordul késztermékké, vagy amikor a késztermék olyan állapotba kerül, hogy már nem bocsát ki széndioxidot. El kell dönteni, hogy a nyersanyag előállítási folyamatának során is végzünk-e elemzést, vagy azt adottnak tekintjük, és attól a ponttól kezdjük végezni a számításokat. 4. lépés: Elsődleges és másodlagos adatok összegyűjtése Ez a lépés tartalmazza az adatok összegyűjtését, melyek az anyag-egyensúly meghatározásához és az üvegházhatású gáz kibocsátás mértékének kiszámításához szükségesek. A számítás során az elsődleges források preferáltak, de másodlagos források is figyelembe vehetőek, ha az elsődlegesek adatai nem hozzáférhetőek. 5. lépés: Az üvegházhatású gázok mértékének kiszámítása a nyersanyag térkép alapján Befejező lépésként kiszámításra kerül a termék anyag egyensúlya az eljárás minden lépésénél és e kalkuláció segítségével az üvegházhatású gáz kibocsátás mértéke is. Az emisszió mennyiségét direkt, és az energia kibocsátás figyelembevételével határozzuk meg, emissziós együtthatót használunk szénekvivalenssé konvertálásra. Miután a folyamat minden lépése ismert, valamint az elemzéshez szükséges minden adat rendelkezésre áll, a számítás lépésenként elvégezhető. A számítást egy egyszerű alapképlet segítségével végezzük, mely a számítás minden elemére értelemszerűen más-más egységben és kibocsátott mennyiségben adható meg és a tényezőkre vonatkozó értékek lineáris kombinációjából adódik. A szénlábnyom számítás kérdéskörét egy nagyon bonyolult ok-okozati kapcsolatrendszer, ún. hatáslánc szövi át. Figyelembe kell venni az indikátorrendszer egyes elemeit, valamint a másodlagos indikátorokat, továbbá hogy mely értékek milyen mértékben befolyásolják a szénlábnyom nagyságát.

136


Számítását, az általános alapelveket és lépéseket követve termékspecifikusan kell végezni. Célszerű először termékcsoportokra pontosítani, majd azon belül az egyes termékre specializáltan végezni az elemzést. A szénlábnyom kiszámításának egyszerűsített képlete: Egy termék szénlábnyoma= = Bevitt adat (tömeg/egység/kWh/km) × Emissziós tényező (*CO 2 emisszió/egység) 2.2. Élelmiszercsoportok meghatározása A szénlábnyom számítás bonyolultsága és hatalmas adatigénye miatt érdemes élelmiszercsoportokat meghatározni a jövőbeni vizsgálatok kivitelezhetősége és praktikussága érdekében, majd a meghatározott csoportokban konkrét termékeket kijelölni és e termékek környezetterhelését elemezni: 1. Fő étkezéseket kielégítő élelmiszerek Pl.: ecet, liszt (finomliszt, rétesliszt), napraforgó olaj, rizs (konyhakész, gyors, sima), tészta (2 és 4 tojásos, valamint durum), hús, húskészítmények friss és konzerves változatai (párizsi, sonka, szalonna, virsli, löncs, májas, szalámi, kolbász, konzerv húskrémek), kenyér, pékáru (tartós, friss, barna, félbarna, fehér, zsömle, kalács), margarin, zsír, vaj, tejtermék (tej, hosszan friss tej, tejföl, natúr joghurt, gyümölcs joghurt, kefir, tejszín, sajt, ömlesztett sajt, túró, Túró Rudi, tejszínhabspray, cukor (por, kristály), gyümölcskonzervek, zöldségkonzervek, tojás, készétel konzervek (babfőzelék, lencsefőzelék, pacal, káposzta), Mirelit áruk (hús, hal, zöldség, illetve egyéb vegyes alapanyagúak), gabona alapú reggeliző termékek (gabona pelyhek, müzli szeletek) 2. Alapvető élelmiszerek kiegészítői Pl. öntetek (mustár, ketchup, majonéz), ételízesítő keverékek, fűszerek (só, bors, kömény, stb.), savanyúság, sütési kellékek (pudingpor, sütőpor, élesztő, kókuszreszelék, tortalap), lekvár, méz 3. Önmagukban is fogyasztható, de nélkülözhető (élvezeti) cikkek Pl. sós vendégvárók (tallér, perec, popcorn, sóspálcika, chips), cukorkák (karamella, savanyú cukor, gumicukor), csokoládé, fagylalt, tea (fekete-, gyümölcstea), kakaó, kávé (instant, őrölt), kekszek, piskóták, puszedlik, ostyák, egyéb gabona alapú édességek, kivéve a müzli szeleteket, mogyorókrém, magvak (mandula, mogyoró, pisztácia), aszalványok (mazsola) A környezetterhelés mértékének figyelembe vételére elsősorban a fiatal korosztály fogékony. Az ifjúság esetében kiemelkedő jelentőségű a 3. csoport, melybe a különféle rágcsálnivalók, falatkák, chips-ek, kekszek, cukorkák, csokoládék, üdítők és egyéb élvezeti cikkek tartoznak. Természetesen nem elhanyagolható az első két csoport szerepe sem, hiszen egészséges életmódra szeretnénk buzdítani a fiatalokat. A fő étkezéseket kielégítő élelmiszerek kategóriájába tartoznak pl. a különböző tejtermékek, gabona alapú reggeliző termékek is, melyek szintén nagy népszerűségnek örvendenek kisebbek és nagyobbak körében egyaránt. A csoportokba sorolások rugalmasan kezelhetőek, egyes termékek kivehetőek és besorolhatóak. Az alapvető élelmiszerek kiegészítői csoportjába sorolandó pl. a ketchup vagy a lekvárok, szintén a fiatalabb generáció ízlését figyelembe véve. A termékcsoportok köre tovább bővíthető esetleg még két külön vizsgálható kategóriával: 4. Italok Pl. alkoholmentes italok: ásványvíz, citromlé, szénsavmentes üdítő, szénsavas üdítő, szörp, valamint alkoholos italok: égetett szesz, whisky, vodka, sör 5. Állateledel Pl. konzervek, száraz (kutya, macska) eledel

137


2.3. A termék életciklus elemzés leegyszerűsített vázlatának bemutatása egy kiválasztott mintatermék, a tej példáján keresztül A szénlábnyom számítás főbb lépéseihez tartozik az összetevők meghatározása, a technológia lépéseinek részletes elemzése, a „termék táblázat” elkészítése, a nyersanyag térkép felépítése, figyelembe véve az előkészítési, technológiai, szállítási lépéseket, a kereskedelem szerepét, az ún. életciklus végét. Példaként összefoglaljuk a tej életútjának nyomon követéséhez szükséges információkat: a nyerstej előállításának folyamata, az előállítás során használt összes gép fogyasztása (kWh/ liter nyers tej), a nyers tej és a kész áru szállítása során megtett összes kilométer a termelőtől, a beszállítókon át, a termék terítésétől függően, továbbá a csomagoló anyag szállítása során megtett út hossza az adott terméktől függően, a feldolgozás során keletkező veszteségek szállításának útja, valamint a feldolgozás (tejtisztítás, fölözés, pasztőrözés, homogénezés, csomagolás) során használt összes gép fogyasztása (kWh/liter végtermék), a tárolás során használt összes gép fogyasztása (kWh/ liter késztermék), a vevő használatnál fellépő fogyasztások jellemzése átlag értékekkel (hűtés, főzés stb.). A részletek megismeréséhez mélyinterjú, kérdőíves felmérés is hasznos lehet, a nagyobb háztartási gépek gyártói adatainak összevetése, a hulladékgazdálkodás részleteinek megismerése, a csomagoló anyagok típusa és mennyisége liter árura vonatkozóan, a szemétlerakók átlagos távolsága, az alapanyagok aránya az adott késztermékben, konkrét termékek összetevői alapján.

3. Mintatermékekkel végzett esettanulmányok Az élelmiszeripari termékek környezetterhelésének vizsgálatát a Biopont Kft-vel együttműködve kezdtük meg. A gondolatot nagyon pozitívan fogadták, mintaterméknek több szempont alapján elsőként a Bulátát választottuk ki. Ennek a terméknek a széndioxid kibocsátása az egyik angliai chips termékhez képest a harmada. Az elemzés és a számolás lépései a nyersanyag, valamint a feldolgozás minden lépésének, adatainak figyelembe vételével történt, a Biopont Kft. ügyvezetőjével készült interjúk segítségével, beleértve a termék és a csomagolóanyag szállítását is, a PAS 2050 (How to assess the carbon footprint of goods and services) szabályzat útmutatását nyomon követve. Az eredmények alapján elmondható, hogy a szénlábnyom fele a nyersanyag (búza) előállításából származik, a többi összetevője a szállítás, technológia, kiskereskedelem, és a hulladék. A számolás egy tonna termékre vonatkozik, az értékek kg CO 2 -ben adottak (200g-os csomagra vonatkoztatva: 0.195 kg CO 2 ) az 1. táblázat a mérőszám összetevőinek százalékos megoszlását mutatja be. 1. táblázat A Buláta termék szénlábnyomának összetevői technológia termesztés szállítás (őrlés, malátakészítés, kiskereskedelem hulladék extrudálás, csomagolás) (tárolás) 66.25%

10.49%

20.27%

2.98%

0.01%

A termesztés lépése meghatározó, és elég komplex vizsgálatot igényel, számottevő adatigénye van. A számítás lépéseinek meghatározásánál és az adatok összegyűjtésére termesztők bevonása szükséges, a pontosság igénye miatt arról a területről, ahonnan a nyersanyag származik. A teljes életciklus során kibocsátott széndioxid mennyiség számítása mellett az is elemezhető, hogy az egyes elemek értékeinek megváltoztatásával milyen mértékben változik meg a környezetterhelés e mérőszáma. A továbbiakban erre mutatunk néhány példát. 3.1. Érzékenységvizsgálat a termék életciklus egyes elemeire Annak nyomon követésére, hogy mennyire befolyásolja a termék életciklus egyes elemeinek megváltoztatása a termék szénlábnyomának mennyiségét további elemzések végzése indokolt. Ez szükséges annak érdekében, hogy eldöntsük, hogy a termelési folyamat egyes lépéseibe mennyire kell, illetve lehet beavatkozni. Ez egy rendkívül összetett feladat. Fel kell mérni a társadalmi-gazdasági szempontokat is, amelyek szerepet játszanak a folyamat során. Megvizsgálható a mutatók eddigi időbeli változása is, a termesztési technológia illetve a gyártási folyamatok fejlesztése, a csomagolási mód megváltoztatása, a hatékonyabb hulladékgazdálkodás következményei. Nem elhanyagolható az sem, hogy mely mutatók mérhetőek és melyek részei a „titkos” gyártási technológiának,

138


szabadalomnak. A továbbiakban bemutatunk néhány esettanulmányt, melyet a vizsgálatban részt vevő mintatermékekre végeztünk el. Első példánk a rizs, melynek termesztéstechnológiája lehet szárazföldi és vízben termesztés is. Mindkét módra elvégeztük a számítást, alkalmazva a 3. ábrán bemutatott rizs termék életciklusának vázlatát és megállapítottuk a szénlábnyom százalékos összetevőit, amelyet a 4. ábrán mutatunk be. meglepő lehet, de vízben művelésnél egy tonna rizs előállításának széndioxid lábnyoma 537,38 kg CO 2 , szárazföldön művelésnél pedig tonnánként 708, 17 kg CO 2 .

4. ábra. A rizs kétféle termesztési technológiája alapján számított CO 2 lábnyom összetevőinek aránya A fehér és a barna rizs közötti különbség az, hogy a barna rizs gyártástechnológiája során kimarad a csiszolás lépése, így előállítása során a környezetterhelés kisebb. A legjelentősebb csökkentés a termékek és csomagolóanyagaiknak a szállítása során érhető el. Elsődleges cél tehát minden esetben az lehet, hogy a termesztés és gyártás koncentráltan egy régióban legyen. A szállítás számos lépésből tevődik össze, hiszen szállítás történik a gyártás helyére, a gyártás helyéről a csomagolás helyére, a csomagolóanyag gyártási helyéről a csomagolás helyére, a csomagolás helyéről a raktárba, az elosztóhelyről az értékesítési helyekre. Minden egyes lépésnél fontos törekedni arra, hogy a távolságokat minimalizáljuk, illetve jelentős a szállítás szervezése is, hiszen nem mindegy, hogy a jármű csak az odafelé vezető úton, vagy a visszafelé vezető úton is mennyire kihasznált. A szállítás különböző módjának hatását a CO 2 lábnyom mértékére a Buláta termék konkrét szállítási lépésein keresztül elemeztük és mutatjuk be. A Biopont Kft. egy felelős vállalkozás, nagy figyelmet fordít az egészség- és a környezetvédelemre is. A szállításokat egy régióra koncentrálva oldja meg (5. ábra). Kalocsa környékéről származik a búza alapanyag, Kalocsán van a malom, ahol az őrlés és extrudálás történik egy helyen, majd Nagytéténybe szállítják a terméket, ahol a csomagolás megtörténik, a csomagolóanyag Pírtóról érkezik (ott gyártják), végül a vecsési raktárba kerül a termék és onnan terítik szét az értékesítési helyekre. Számításaink alapján elmondható, hogy 10 km-enként 2,3 kg CO 2 e kibocsátással növekszik a szállítás környezetterhelése.

139


5. ábra. Szállítási útvonalak a Buláta életciklusa során A gyártó nagyon jó logisztikával dolgozik, minden (oda-vissza) úton a szállítás során 100%-os a járművek kihasználtsága. Ez a vizsgált termék esetében (azon kívül, hogy minden folyamat egy régióra koncentrálódik) a széndioxid lábnyom még 9,49%-os csökkenését eredményezi. A számítás termék életciklus lépéseire vonatkoztatott részeredményeit a 2. táblázatban, a széndioxid lábnyom összetevőinek arányát a 6. ábrán mutatjuk be. 2. táblázat. A szénlábnyom analízis eredményei 1 tonna Buláta termékre vonatkoztatva széndioxid kilogrammban kifejezve 0% üresjárat esetén hulladéknyersanyagok termesztés szállítás gyártás kereskedelem gazdálkodás teljes búza maláta Buláta csomagolóanyag

500

Összesen

500

4 5.6 4.57 65

40 őrlés 35 maláta 25 extrudáció 53 csomagolás

79.17

153

22.5

0.0015 0.0223

22.5

0.0238

754.693

6. ábra. A Buláta széndioxid lábnyom összetevőinek aránya (zárójelben jelezve, hogy mennyi lenne, ha szállításkor visszafelé üresjárat lenne)

4. Környezettudatos vásárlás - egészségesebb társadalom Elemzéseink alapján arra a következtetésre jutottunk, hogy az élelmiszer termékek környezetterhelésének mértéke csökkenthető, ha az életciklus lépéseit odafigyeléssel kezeljük. A Buláta termék esetében pl. máris csökkenést tapasztalunk, és további eredmények is elérhetők pl. a csomagolóanyagok technológiai fejlesztésével (biztosítva a termék megfelelő eltarthatóságát, mint a jelenlegi háromrétegű csomagolás, de a csomagolóanyag lehetőleg lebomló legyen). Címkézési

140


rendszer bevezetésével a vásárló tájékozódása könnyíthető meg, ösztönözhető a környezettudatos vásárlás, a hazai termékek fogyasztása kerülhet előtérbe (kevesebb szállítás szükséges), a helyi termékek fogyasztása preferált, eredetvédett termékeinket is jobban megismerné a lakosság. A visszatérés a helyben termesztett, hagyományos technológiával előállított termékekhez egészségi szempontból is előnyös. A World Watch magazin 2009. november/decemberi számának fő cikkében két környezetvédő szerint az állattartó ágazat felelős az összes ember okozta üvegházgáz kibocsátások legalább 51%-ért. Az ENSZ Élelmezési és Mezőgazdasági Szervezetének (FAO) egy 2006-os jelentése arról számol be, hogy az állattartó mezőgazdaság több üvegházhatású gázért felelős (széndioxid egyenértékben), mint az összes autó, repülő, hajó, és a közlekedés egyéb módjai együttesen világszerte. A helyzetet tovább súlyosbítja, hogy ha a jelenlegi irányzat folytatódik, az előrejelzés szerint például 2050-re a világ hústermelése megduplázódhat. Az üvegházhatású gáz kibocsátások ezzel együtt járó növekedése pedig eltörli a sok pozitív változás hatását, ami nagyon nehézzé, sőt lehetetlenné teheti azoknak az üvegházhatású gáz csökkenéseknek az elérését, amit sok klímaszakértő szükségesnek tart a klímaváltozás legrosszabb hatásainak elkerüléséhez. A technológiai irányultságú megoldások nem lesznek elegendők a globális felmelegedés megfelelő mérsékléséhez. Alapvető társadalmi váltásra van szükség, erre egy mód a növényi alapú étrend előnyben részesítése. A 7. ábra mutatja, hogy az egészségesebb táplálkozási mód (az élelmiszer termékek előállítására vonatkozó) kisebb környezetterheléssel párosul.

7. ábra. Táplálkozási (dupla-) piramis A koppenhágai nyilatkozatban szereplő néhány javaslat is alátámasztja megállapításainkat. A javaslatok az étrend és az ezzel együtt járó szemlélet változás elősegítésére, ezáltal közvetve a széndioxid emisszió csökkentésére irányulnak. Ilyenek az ún. szénlábnyom jelölés bevezetése a hústermékeken, helytálló információ biztosítása a növényi alapú étrendekről, és számos előnyéről, az egészséges és megfizethető növényi alapú élelmiszerek elérhetőségének fokozása, a helyben termesztett, bio növényi élelmiszertermelés támogatása, iskolákban, és egyéb élelmezési programokban változatos, növényi alapú választék biztosítása, az élelmiszergyártók bátorítása az egészséges, tápláló hús alternatívák számának növelésére, ehhez anyagi, és egyéb ösztönzők biztosítása, videók, az internet, és más modern kommunikációs módszerek használata az emberek oktatására a fenyegetések természetéről, az azokat csökkentő tettek fontosságáról, és a növényi alapú étrendek egészségi, környezeti, és egyéb előnyeiről. Fontos annak hangsúlyozása, hogy szükség van a növényi alapú étrendek felé való jelentős eltolódásra, azoknak az üvegházgáz kibocsátás csökkentési céloknak az eléréséhez, amiket a tudósok szükségesnek tartanak az éghajlat súlyos zavarainak elkerüléséhez, a fenntartható technológiák, és a zöld, klímabarát életmód támogatása. Mindezen irányelvek hangzatosak és egészségügyi, valamint környezet- és klímavédelmi vonatkozásuk vitathatatlan. Azonban ki kell hangsúlyozni, hogy kizárólag a helyben termesztett zöldségekkel, gyümölcsökkel lehet kisebb szénlábnyomot produkálni, ugyanis a messzebbről érkezett áruk esetén a repülőgépes szállítás miatt a szénlábnyom nagysága akár egy hústermék szénlábnyomát

141


is megközelítheti. Fontos szerepe van a hazai termesztőknek is. Optimális esetben tehát a társadalom egészére nézve pozitív hatással van, ha több gyümölcsöt, zöldséget fogyaszt, melyeket hazájában termeltek meg, így hozzájárul nemcsak saját egészsége javításához, de a helyi termesztők támogatásához is, a környezet- és klímavédelméhez, illetve a klímaváltozás visszaszorításához egyaránt. Felvetődik a kérdés, hogy a potenciális vásárlók milyen mértékben hajlanak a környezetvédelmi szempontok figyelembe vételére, hajlanak-e egyáltalán, van-e reális esély arra, hogy a társadalom kisebb- nagyobb része megváltoztassa étkezési és vásárlási szokásait saját egészsége és a környezet védelmében, áldoznánk-e több időt és/vagy anyagi ráfordítást arra, hogy kisebb szénlábnyomú termékeket válasszunk, biztosan többlet költséggel jár-e a környezettudatos vásárlás, hogyan befolyásolhatjuk pozitív irányba a vásárlási szokásokat a hazánkban termesztett, gyümölcsök és zöldségek felé. Mindez további vizsgálatokat igényel, de a szemléletváltáshoz több információra is szükség van, tehát kötelességünk és érdekünk a változást kezdeményezni, a tájékoztatás valamint az oktatás révén a társadalom széles rétegeit a fenntartható fejlődés irányába terelni.

Hivatkozások Az Első Magyar Karbonsemlegesítő Intézet (EMAK) CO 2 kalkulátora, http://www.emkas.hu Biopont, http://www.biopont.hu, http://www.biopont.hu/en/products/biopont/organic_snacks Carbon trust, www.carbontrast.co.uk ”Csináljuk jól füzetek” Energiahatékony technológiák alkalmazása a malomiparban, Legjobb Gyakorlat (Best Practice) módszer kiadvány, http://www.undp.hu/oss_hu/tartalom/kiadvanyh/kiadvanyh_body/csinaljukjol/szam04.htm EIPRO Study, Environmental Impacts of Products, Analysis of the life cycle, environmental impacts in related to the final consumption of the EU-25, 2006 p.139., http://ec.europa.eu/environment/ipp/pdf/eipro_report.pdf Fenntartható fogyasztási lehetőségek Stratégiák a változtatáshoz UNEP, 2001 Genf, http://www.rec.hu/hftf/doc/SCOPEhu.pdf Guide to PAS2050: How to asses the Carbon footprint of goods and services http://www.bsigroup.com/en/Standards-and-Publications/How-we-can-help-you/Professional- StandardsService/PAS-2050/ Jankóné dr. Forgács Judit: Élelmiszeripari technológiák, Szeged, 2006. PAS 2050 - Assessing the life cycle greenhouse gas emissions of goods and services, http://shop.bsigroup.com/en/Browse-by-Sector/Energy--Utilities/PAS-2050/ Szabványok: ISO 14025 (Termékek környezetkárosító hatásának mértékéről, 2006) ISO 14040 (Életciklus elemzésről,1997) ISO 14045 (Az ökológiai hatékonyságról, folyamatban) ISO 14067 (Termékek szénlábnyomáról, 2009) Szilágyi József, Mészáros Sándor: Mezőgazdasági termékek áruismerete, Scientia Kiadó, Kolozsvár, 2002. The Carbon Trust: Product Carbon Footprinting & Labelling, http://www.sustainablebizness.com/PkgForum_Ana09/CarbonFootprintingLabelling.pdf Walkers, Taking steps to reduce our carbon footprint, http://www.walkerscarbonfootprint.co.uk/

142


Kettős könyvvezetésű mezőgazdasági vállalkozások körében végzett kérdőíves kutatás tapasztalatai Szabóné Berta Olga1

Összefoglaló: Cikkemben röviden körvonalazom doktori kutatásom témáját és a beérkezett kérdőívek alapján vázolom az általam tapasztalt tendenciákat. Bemutatom a kutatás célját és folyamatát, valamint zárásként a beérkezett kérdőívek adatait és információt elemzem. A kapott eredmények alapján következtetéseket vontam le, melyek igazolják vagy cáfolják a hipotéziseimet, melyeket a kutatás megkezdésekor felállítottam.Vizsgálataim során azt tapasztaltam, hogy a mezőgazdaság területén nem igazán preferálják a komplex informatikai megoldások használatát. Az alapvető vélemény az informatikai rendszerek mellőzésének okaként, hogy azok az összetettségük és bonyolultságuk miatt megnehezítik a szakemberek munkáját. A témával kapcsolatos kérdések megválaszolására egy kérdőíves felmérés lefolytatását láttam a legcélravezetőbbnek. E kérdőív ismertetése és a vizsgálat folyamata a cikk témája. Kulcsszavak: kutatás, módszertan, kérdőív, felmérés

1. A kutatás folyamata 1.1. A kutatás kezdete Kutatási témám a mezőgazdasági vállalakozások információs rendszereinek vizsgálata, különös tekintettel a belső integrált rendszerekre. A témám kiválasztásakor jelentős mértékben motivált a szakdolgozatom, melyben egy kereskedelmi vállalkozás vezetői információs rendszerét vizsgáltam. Ekkor azt tapasztaltam, hogy mennyire gyerekcipőben jár még a mezőgazdasági vállalkozások körében az informatikai támogatással végzett vállalkozás hatékonysági vizsgálat. Ezek a meglátásokat megerősített az is, amikor a későbbi munkáim során számos mezőgazdasági vállalkozással kerültem napi kapcsolatba. Az általam akkor megismert vállalkozások sok esetben sem számítógépet, sem internetet nem használtak. Igaz, hazánkban is az utóbbi években vált igazán jellemzővé e technológiának a használata. Amikor a kutatást elkezdtem, kiderült, hogy nagyon kevés szekunder kutatási anyag áll rendelkezésre a témával kapcsolatosan. Így hamarosan világossá vált, hogy a munkám során mindenképpen primer kutatásra leszek utalva. Dolgozatomban bemutatom a kutatásom módszerét és tudományos alapjait, mely alapján elkezdtem a vizsgálataimat, illetve felvázolom az empirikus kutatás folyamatát. 1.2. A kutatás alapjai A mezőgazdaságban az agrárvállalkozások többségének a vezetői, irányítói maguk a termelést irányító szakemberek, akik tanulmányaik során általában részesülnek (főként elméleti) gazdasági képzésben, azonban általában nem ez a fő szakterületük, így ennek fontosságát sok esetben meg is kérdőjelezik. Ezzel összefüggésben azonban általánosan elmondható, hogy nem részesültek informatikai képzésben, ami különösen igaz az idősebb korosztály esetében. Ilyen jellegű ismereteiket jellemzően a család révén - illetve amennyiben használják ezeket az eszközöket, - a gyakorlat útján szerezték meg. Ha gazdaság másterületén működő cégek esetében is megfigyelhető egyfajta lemaradás a vállalkozás vezetéséhez kapcsolódó informatikai rendszerek alkalmazásában és ismeretében, akkor ez a helyzet fokozottan érvényes a mezőgazdasági vállalkozásokra. Ebben a szektorban a vállalkozások vezetésben számos esetben megfigyelhető a hiányosabb gazdasági ismeretekkel rendelkező, sok esetben az informatika terén teljes érdektelenséget és járatlanságot mutató vállalkozásvezetők. Ezek alapján a téma még időszerűbb, mint korábban, mert hosszútávon ez negatívan befolyásolhatja a mezőgazdasági vállalkozások versenyképességét. Ma már az informatika alkalmazása nem „úri huncutság”, hanem gaz1

Nyíregyházi Főiskola Közgazdaságtan és Logisztika Tanszék PhD hallgató, Miskolci Egyetem, Gazdálkodástani Intézet

1 143


dasági érdek és követelmény minden vállalkozással szemben. E nélkül lemarad, nehézkessé válik és az információ hiánya következtében ellehetetlenül a vállalkozás. A szakirodalom tanulmányozása során találkoztam több olyan vizsgálattal, mely a mezőgazdasági vállalkozások körében zajlott és főként az Internet használatra irányult. Az Ipargazdasági Kutató és Tanácsadó Kft. 2001 során publikálta a Miniszterelnöki Hivatal megrendelésére végzett és Dr. Vajdáné által vezetett kutatást. A munkájuk során vizsgálták a vállalkozások informatikai eszközellátottságát, a használatot, a honlapok, hardver és szoftver eszközök meglétét és az arra fordított összegek mértékét. A kutatás keretében készített felmérésből kiderült, hogy a mezőgazdasági vállalkozásoknál az informatikus alkalmazottak aránya mindössze 0,8 százalék! A mezőgazdaságban csak minden ötödik alkalmazott dolgozott személyi számítógéppel. A kismértékű elterjedtség okai:

 a tevékenységükhöz nincs szükség személyi számítógépre, vagy  nem állnak rendelkezésre a megfelelő anyagi erőforrások. A mezőgazdaságban száz alkalmazottra 1,6 szervergép, 17,9 telefon fővonal jutott. A száz alkalmazottra jutó mobiltelefon aránya egynegyed. Száz alkalmazottra 0,5 darab személyi hívó és 7,7 darab faxkészülék esett. A mezőgazdasági vállalkozások esetében a leggyakoribb kapcsolódási pont az ISDN volt (a vállalatok több mint a fele, ezt a kapcsolattípust használta). A mezőgazdasági ágazatban működő vállalkozások több mint a fele, 65 százalék nem rendelkezett saját honlappal és nem is tervezte annak felállítását. A mezőgazdasági cégek többsége személyesen vagy telefonon tartották a kapcsolatot a partnereikkel. A cégek egyharmadánál, 38 százaléknál a személyes kontaktus, másik egyharmaduknál, 34 százaléknál a telefonos kapcsolattartás dominál. A mezőgazdaságban a vállalatok 2000ben 7291 millió forintot költöttek hardver vásárlásra, 1934 millió forintot szoftver vásárlásra. A beruházások között elszámolt IT szolgáltatásokra 113 millió forintot, weboldalak kiépítésére pedig 31 millió forintot fordítottak. (Vajdáné-Zánkai-Podruzsik–Nagy; 2001. 30-37.) Ugyanakkor kiemelnék egy a nemzetközi szakirodalomban megtalálható kutatást, melyet az USA-ban végzett Emily B. Rhoades. A kapott eredményeit 2004-ben publikálta, ahol egy 800 mezőgazdasági vállalkozásra kiterjedő vizsgálatot is említ. Ennek során többek között megállapították, hogy a válaszadók 52,3% soha nem használta az Internetet sem a munkájában, sem információszerzés céljára. A megkérdezettek 83,8%-a állította, hogy újságok szolgálnak számára legfőbb információ forrásként, melyet 83%-os aránnyal a család és a barátok követnek, mint információs csatorna. Ez a kutatás statisztikailag szignifikáns összefüggést talált a web használata, az iskolai végzettség és az üzemméret között. A teljes munkaidős mezőgazdasági termelők mindössze 8,7%-a, illetve a részmunkaidős gazdák 8,6%-a használta inkább információszerzésre az internetet (Rhoades, 2004. 19-20.). Kutatásaim során feltűnt, milyen kevés adat vonatkozik a tárgykörben a mezőgazdaságra és a mezőgazdasági vállalkozásokra. A KSH esetében több esetben bukkantam informatikával és informatikai technológiával kapcsolatos vizsgálatra, melyből a mezőgazdaságra vonatkozó adatok hiányoztak. Egyrészről ez megerősített abban, hogy jól fogalmaztam meg a vizsgálat alá vont célterületet, másrészről világossá vált számomra, hogy mindenképpen empirikus kutatást kell folytatnom a témában, melyből eredményesen lehet következtetni a számítástechnika és a belső információtechnológia használatára a kettős könyvvezetésű mezőgazdasági vállalkozásoknál. Az 1. számú táblázat mutatja a KSH rendelkezésére álló adatok alapján általánosságban a magyar vállalkozásokra jellemző adatokat. „Az adatok a nemzetgazdaság szűkebb részére vonatkoznak (feldolgozóipar, a villamos energia-, gáz-, gőz- és vízellátás, az építőipar, a kereskedelem, javítás, a szálláshely-szolgáltatás, vendéglátás, a szállítás, raktározás, posta és távközlés, a pénzügyi közvetítés, az ingatlanügyletek, gazdasági szolgáltatás, az egyéb közösségi, személyi szolgáltatás ágak tartoznak bele.)” Sajnálatos módon a mezőgazdaság nem része a vizsgálatnak, ennek ellenére úgy vélem, ez is jó kiindulási alap lehet, még akkor is, ha a vizsgálatom nem terjed ki a hálózat igénybevételének módjára, mert összességében nem ez áll az érdeklődésem középpontjában.

2 144


1. táblázat. Az információs és kommunikációs technológiák használatának aránya a vállalkozásoknál (2007–2010; %)

Megnevezés Személyi számítógép, munkaállomás Mobiltelefon Vezetékes lokális hálózat (LAN) Vezeték nélküli lokális hálózat Nagytávolságú hálózat (WAN) Intranet Extranet Internet/WWW E-mail (elektronikus levél) Internet alapú EDI (Elektronic Data Interchange – elektronikus adatcsere) Nem internet alapú EDI

2007 88,0 88,9 55,6 15,7 11,7 21,4 5,5 82,8 81,9

2008 88,1 88,8 47,8 17,3 19,5 16,1 10,2 84,7 83,5

2009 89,2 88,9 51,3 22,1 22,6 18,0 9,3 86,8 85,6

2010 91,2 91,5 55,4 26,7 27,0 19,4 12,8 89,5 88,7

15,3

13,8

13,8

14,6

7,1

6,0

5,4

5,7

Forrás: KSH, 2011.08.10.

1.3. ANYAG ÉS MÓDSZER Vizsgálatomban egyszerű, véletlen mintavételi eljárást alkalmazva kérdeztem meg a kettős könyvvezetésű mezőgazdasági vállalkozásokat, kérdőíves felmérés segítségével. A mintavételhez szükséges adatbázis összeállítása nagyon nehéz feladatnak bizonyult. Több helyről próbáltam meg adatbázist szerezni a mezőgazdasági vállalkozásokról, de csak a harmadik próbálkozásra és nagy nehézségek árán jutottam olyan adatokhoz, ami kiindulási alapja lehet a mintavételezésnek. Először a Mezőgazdasági és Vidékfejlesztési Hivatalt kerestem fel, majd a KSH-t, de végül az Agrárgazdasági Kutató Intézetnél jártam szerencsével. A felmérés alapjául szolgáló legfrissebb és legalaposabb adatsort - amely a vállalkozások tételes listáját tartalmazza- az Agrárgazdasági Kutató Intézet (AKI) 2008. május 31.-én jegyzett kettős könyvvezetésű vállalkozásainak jegyzéke biztosította, ahol 10648 mezőgazdasági vállalkozás szerepelt. Mivel a KSH nem tudott ilyen részletes, főtevékenységre, székhelyre, éves nettó árbevételre is vonatkozó adatsort biztosítani, így ezt az adatsort vettem figyelembe az adatbázis kialakítása során. 3500

Darab / Ágazati kód Gazd.forma 721 711 571 561 529 523 522 521 229 226 212 211 135 133 129 124 114 113 112 111

3000

2500

2000

1500

1000

500

0 0111

0112

0113

0121

0122

0123

0124

0125

0130

0141

0142

0150

0201

0202

0501

0502

Ágazati kód

Forrás: saját szerkesztés, AKI adatok alapján

1. ábra. A kettős könyvvitelű mezőgazdasági vállalkozások 2008. május 31.-én

3 145


Az 1. ábra bemutatja az agrárvállalkozások megoszlását az egyes ágazati kódok között. A különböző gazdálkodási formákat meghatározó TEÁOR csoportok számát az ábra alján tüntettem fel, míg az ábra szélén a jogi formák kódjait láthatjuk. Ennek részletezése az 2. számú táblázatból látható. 2. táblázat. A gazdálkodási formák jogszabály szerinti besorolás Jogi személyiséggel rendelkező vállalkozási formák 11 Jogi személyiségű gazdasági társaság: 111 Egyesülés 112 Közös vállalat 113 Korlatolt felelősségű társaság 114 Részvénytársaság

12. Szövetkezet: 121 Lakásszövetkezet 122 Takarék- és hitelszövetkezet 123 Fogyasztási és hangyaszövetkezet 124 Mezőgazdasági szövetkezet 129 Egyéb szövetkezet

131 Ügyvédi, jogtanácsosi iroda 132 Oktatói munkaközösség 133 Vízi társulat 134 Viziközmű társulat 135 Erdőbirtokosság társulat 139 Egyéb máshova nem sorolt

13 Egyéb jogi személyiségű vállalkozás:

jogi személyiségű vállalkozás

Egyéb vállalkozási formák 21 Jogi személyiség nélküli gazdasági társaságok: 211 Közkereseti társaság 212 Betéti társaság

71 Állami vállalat 72 Egyéb vállalat 73 Megszűnő gazdálkodási forma

7 Vállalat, megszűnő gazdálkodási forma:

9 Technikai kód: 91 Alapítvány

92 Munkavállalói részvénytulajdonosi program iroda 93 Egyéb adóalany 94 Külföldi diplomáciai, konzuli testület

A meglévő adatokat sorba rendeztem először tevékenység kód alapján növekvő sorrendbe, majd ezt követően területi szempontok figyelembe vételével, megyénként, szintén növekvő sorrendbe. A kapott adatsorból ezt követően a települések neve szerinti sorba rendezést alkalmazva készítettem egy adatsort, mely megfelel az egyszerű véletlen mintavétel feltételeinek. Egyszerű véletlen mintavételt használunk homogén, véges elemszámú sokaság esetén, amikor a mintát visszatevés nélkül választjuk ki, minden lehetséges „n” elemű minta kiválasztásának azonos valószínűséget biztosítva. Ezt követően a mintát a szisztematikus kiválasztást alkalmazva tovább szűkítettem, mivel ilyen elemszámú minta levizsgálására nem volt lehetőségem. Igyekeztem azonban a rétegzett mintavétel szabályainak is eleget tenni, annak érdekében, hogy a megfelelő rétegképző ismérvet megtaláljam és így a rétegzett mintavétel kritériumainak is megfeleljen a kiválasztásra kerülő mintám. Így homogén rétegeket is sikerülhet kialakítani, ami kisebb mintavételi hibát eredményez, mint az egyszerű véletlen kiválasztás. Ezek alapján minden huszadik vállalkozást (a vállalkozások 5%-át) választottam ki vizsgálatra és kezdtem meg a kérdőívek kiküldését a vállalkozások részére.(Hunyadi-Vita II, 42-45.) Minden kutatás kialakítása és kiértékelése során fontos szempont a reprezentativitás. Úgy vélem, hogy kutatásom a kérdőívek beérkezését követően ennek a kritériumnak is eleget tesz, így a következtetéseimet a teljes sokaságra tudom vonatkoztatni. A törvényi változásoknak megfelelően módosítottam a vállalkozások besorolásához kapcsolódó kritériumrendszert, mivel a 2004. évi XXXIV. törvény alapján változtak az éves nettó árbevételre és a mérlegfőösszegre vonatkozó határok, hiszen átvettük az Európai Unió előírásait a csatlakozás során, így a kutatásom módszertanát is újra kellett gondolnom. A 3. számú táblázatban bemutatott adatok alapján tehát módosítanom kellett kutatási tervemet.

4 146


3. táblázat. Vállalkozások besorolásának törvényi feltételei

Méretkategória

Árbevétel (Euróban)

Mérlegfőösszeg (Euróban)

Létszám

0-2.000.000,-

0-2.000.000,-

1-9

2.000.001-10.000.000

2.000.001-10.000.000

10-49

10.000.001-50.000.000

10.000.001-50.000.000

50-249

50.000.001-

50.000.001-

250-

mikrovállalat kisvállalat középvállalat nagyvállalat

Forrás: 2004. évi XXXIV. törvény alapján saját szerkesztés

A fenti táblázatban látható, hogy mennyire eltolódtak az arányok az előző 1999. évi törvényi szabályozáshoz viszonyítva. Összességében persze érthető a változtatás, hiszen így a vállalkozások jelentősebb része került be a mikro és kisvállalkozások körébe, de tapasztalatom alapján az új szabályozás idegen a magyar gazdaság vállalkozásainak tényleges teljesítményétől. Különösen elmondható ez a mezőgazdasági vállalkozásokról, ahol szektoridegen ez a típusú felosztás, de ehhez kellett alkalmazkodni a kutatási terv kialakítása, módosítása során. Eredetileg abból indultam ki, hogy mivel több szempont alapján kívánom a reprezentativitást vizsgálni, egyik ilyen szempont lenne a méretkategóriák szerinti besorolás. Ennek megfelelően elkészítettem egy ábrát (2. ábra), mely megmutatja a kettős könyvvezetésű vállalkozások összetételét a mai Magyarországon.

0,54% 4,45%

0,04%

94,97% Mikrovállalkozás

Kisvállalkozás

Középvállalkozás

Nagyvállalat Forrás: saját szerkesztés, AKI adatok alapján

2. ábra. A kettős könyvvitelű mezőgazdasági vállalkozások méretkategóriák szerinti megoszlása Az ábrán is látjuk, hogy ha a méretkategóriákat vettem volna alapul, a torz szerkezetnek köszönhetően hatalmas elemszámú minta megvizsgálására lett volna szükség, melyre nem volt elegendő rendelkezésre álló forrásom. Így megmaradtam az eredeti elképzelésem mellett, mely szerint a tevékenység alapján vizsgálom meg a vállalkozásokat.

147


A főtevékenységek megoszlása alapján

0111 0112 0113 0121 0122 0123 0124 0125 0130 0141 0142 0150 0201

Forrás: saját szerkesztés, AKI adatok alapján

3. ábra. A kettős könyvvitelű mezőgazdasági vállalkozások főtevékenység szerinti megoszlása Ennek megfelelően a vállalkozásokat főtevékenység alapján rendeztem, melyet a 3. számú ábra mutat be. Ezt követően kimutatást készítettem a vállalkozások területi megoszlása szerint, annak érdekében, hogy lássam, melyik megye milyen arányban képviseli magát a teljes sokaságban. Mivel minden huszadik vállalkozást vettem vizsgálatomba bele, ennek alapján a területi alapú lefedettség is biztosított, hiszen a megyék számát alapul véve, valamint a vállalkozások megyénkénti összetételét figyelembe véve jellemezni fogja mind az összetételt, mind a területi megoszlást. A 4. táblázat mutatja a megyénkénti vállalkozás megoszlás eredményét, mely alapján állítottam össze a vizsgálat alá vont mintát.

4. számú táblázat. Vállalkozások megoszlása megyénként, országosan Vállalkozások területi megMegye Vállalkozások száma oszlása 01: Baranya 628 5,9% 02: Bács-Kiskun 909 8,5% 03: Békés 528 5,0% 04:Borsod-Abaúj-Zemplén 674 6,3% 05: Csongrád 387 3,6% 06: Fejér 424 4,0% 07:Győr-Moson-Sopron 273 2,6% 08: Hajdú_Bihar 738 6,9% 09:Heves 383 3,6% 10:Komárom-Esztergom 200 1,9% 11: Nógrád 174 1,6% 12:Pest 1768 16,6% 13:Somogy 723 6,8% 14:SzabolcsSzatmár-Bereg 645 6,1% 15:Jász-Nagykun-Szolnok 486 4,6% 16:Tolna 380 3,6% 17:Vas 377 3,5% 18:Veszprém 452 4,2% 19:Zala 499 4,7% Összesen: 10648 100,0% Forrás: Saját szerkesztés AKI adatok alapján

148


A táblázat azt is megmutatja, hogy a vállalkozások összetétele kiegyensúlyozottságot mutat a 0-1000 tartományban, de kiugróan magas az arány a vállalkozások között Pest megyében (1768 vállalkozás). Úgy vélem, hogy a fővárosban és vonzáskörzetében a piaci feltételek lényesen előnyösebbek a gazdálkodók számára, ami tükröződik a gazdasági egységek számában is. Emellett az intézményrendszerrel kapcsolatban is merültek fel olyan kedvező feltételek, melyek a vállalatvezetőket arra sarkallták, hogy áthelyezzék székhelyüket a fővárosba. A kérdőívem összeállítása során sok segítséget kaptam egy előzetes mélyinterjú keretében végzett vizsgálat alatt, amikor megkérdeztem 10 mezőgazdasági vállalkozást, milyen főbb kérdésekre érdemes koncentrálnom a téma keretei között. Ennek alapján állítottam össze a kérdéseket és a Miskolci Egyetem segítségével egy EvaSys nevű programban alakítottam ki a végleges formátumot és a végleges kérdéseket. A mélyinterjú rávilágított arra is, hogy ne csupán az információval való belső gazdálkodásra, hanem általános és a mai kornak megfelelő egyéb kérdésekre is fókuszáljak. Emellett mellékletként csatoltam a kérdőívhez egy kiegészítést, melyet Gábor András: Üzleti informatika (Aula Kiadó; 2007) könyve alapján állítottam össze és az információtechnológiai (IT) rendszerek osztályozását tartalmazza, mellyel tisztázom a területre vonatkozó részletező kérdésem. A cikkben - terjedelme miatt - nem áll módomban a teljes kérdéssort ismertetni. A lekérdezés során 258 kérdőív került kitöltésre, melyből két kérdőívet ki kellett zárnom, mivel kétszer töltötte ki ugyanaz a vállalkozás. A kérdőívekről kivonatot készítettem, melyben pontosan felvittem a vállalkozások fő tevékenységét. Ez alapján azonban a kutatásom kiegészítésre szorul, mivel két területen 0201 és 0202 teáor alatt szereplő vállalkozások közül kevesebben töltötték ki, mint a számításaim alapján kellett volna annak érdekében, hogy reprezentatív legyen a kutatásom. így még 14 plusz vállalkozást kellett bevonnom a vizsgálatba, ami megtörtént. Ezek után pedig a kiküldött kérdőívekből az SPSS program felhasználásával, elemzés segítségével a hipotéziseim igazolom, vagy ellenkezőleg, cáfolom a feltételezéseimet a kapott eredmények alapján.

Konklúzió Cikkemben a mezőgazdasági vállalkozások körében indított kérdőíves kutatásom alapjait vázolom és részletezem a vizsgálat metodikáját. Úgy vélem, munkám időszerű és újszerű: a témaválasztással, melynek aktualitása mai gazdasági körülmények között felértékelődik és jelentőssé válik. Modern gazdaságunkban elképzelhetetlen a vállalkozások működése internet és számítógépek nélkül. Véleményem szerint a jövőben a vállalkozások nem lehetnek eredményesek megfelelő belső információs rendszer, vállalatirányítási alkalmazások nélkül. Lehetőségeim a kutatás bemutatásával kapcsolatosan korlátozottak a terjedelem miatt, de a kutatás bemutatása és a folyamat vizsgálata, illetve kérdéssor ősszállításának felvázolása volt fő célom a cikk megírásakor. Kérdőívem összetett és viszonylag hosszúnak is mondható: majdnem 70 kérdésből áll, így ennek teljes ismertetése e keretek között nem lehetséges. A körvonalazott irány alapján a kutatásom zárását követően alkalmam van levonni a megfelelő következtetéseket. Hipotéziseim, melyek alapján a kérdőív összeállításra került egyrészről, hogy a vállalkozást vezető illetve a döntéshozó végzettsége befolyásolja az informatika és az IT használatát, alkalmazását. Abból indultam ki, hogy vállalatirányítási rendszereket a tevékenység diverzifikáltságával növekvő mértékben használnak a vállalkozások a mezőgazdaságban. Úgy vélem azonban, hogy a vállalkozás mérete is befolyással lehet az IT használatára, így remélem, erre vonatkozóan is egyértelmű adatokkal szolgál majd a kutatásom. Feltevéseim, melyekből kiindultam, bizonyíthatják, esetleg cáfolhatják a kérdőívre kapott válaszok, melyeket a eredményeit az adatfeldolgozás befejezése után statisztikai vizsgálatokkal és elemzéssel is vizsgálni fogok.

Hivatkozások Dr. Vajdáné dr. Horváth Piroska -Zánkai Katalin -Dr. Podruzsik Szilárd -Nagy Szilvia (2001): A mezőgazdaság infokommunikációs eszközökkel történő támogatása; Ipargazdasági Kutató és Tanácsadó Kft. Emily B. Rhoades (2004): An Examination of the adoption of the Internet in agriculture magazines;

http://www.ksh.hu/docs/hun/xstadat/xstadat_eves/i_onk002.html Bekőné dr. Deák I.-dr, Bodnár P.-Dr, Gyurkó Gy.(2008): A gazdasági informatika alapjai BGF,

149


Hunyadi-Vita (2008): Statisztika I-II.; Aula Kiadó Kft., Budapesti Corvinus Egyetem 2004. évi XXXIV. törvény

https://www.aki.gov.hu/publikaciok/publikacio/a:307/Kettős+könyvvitelt+vezető+élelmiszeripa ri+szervezetek+név-+és+címjegyzéke+2008.+május+31-én

150


A szabályozásokon felüli termék nyomon követés gazdaságossági vizsgálata Economy of traceability beyond the mandatory regulations Füzesi István 1

Összefoglaló: Napjainkban élelmiszeriparban kiemelt szerepet játszik az élelmiszer-biztonság kérdése. A fogyasztók elvárják a biztonságos és magas minőségű élelmiszereket és információkat annak eredetével kapcsolatban. Az élelmiszer kríziseknek ma már jelentős a gazdasági vonatkozása is, éppen ezért hatásos megoldások szükségesek az élelmiszeriparban a termékek nyomon követésében a teljes élelmiszerláncon keresztül. A problémák megoldását a modern minőségbiztosítási rendszerek bevezetése, a termékek nyomon követhetősége és azonosíthatósága oldhatja meg, éppen ezért már számos szabályozás létezik, melyeket kötelező bevezetni és alkalmazni az élelmiszeriparban. A kötelező szabványok megkövetelik bizonyos szinten a termékek nyomon követhetőségét, azonban létezhetnek egyes termékpályákon olyan gazdasági motivációs tényezők, melyek ezeken túli információ szolgáltatást is nyújthatnak. Azonban ennek az extra információ előállításának gazdaságossága meglehetősen kétséges, jelenleg csak bizonyos feltételek mellett, a fogyasztók és a vállalatok megfelelő motiváltsága esetén lehetséges. Kulcsszavak: nyomon követhetőség, élelmiszer-biztonság

1. Bevezetés Az információ igen értékes lehet az üzleti élet legtöbb szereplője számára (Sporleder – Moss, 2002). Megkönnyíti az áruk kereskedelmét és a terméklánc szereplőinek hatékonyságát több szempontból is javíthatja. A magas színvonalú nyomon követhetőség amellett, hogy egyszerűsíti a logisztikai problémákat, az élelmiszer-biztonsági veszélyek megelőzésében is nagy szerepet játszik. Azonban meglehetősen költséges az információ összegyűjtése, tárolása és megosztása, viszont a megfelelő információs ellátottságból adódó hasznok nem egyenletesen oszlanak meg a terméklánc egyes szereplői között. Az is kétséges, hogy fogyasztók és a vállalatok hajlamosak-e többet fizetni a megfelelő információkért. Ebből következik, hogy legtöbb esetben az optimálisnál kevesebb információ áll rendelkezésre és kiemelt jelentősége van a nyomon követés koordinációs, strukturális vizsgálatának. Gazdasági szempontból a nyomon követhetőségnek két alapvető irányvonala létezik: a keresleti és a kínálati oldal. Az elsőnél a cél, hogy meghatározzuk mennyit hajlandó fizetni fogyasztó a nyomon követhetőségért, a második pedig vállalati szinten határozza meg a nyomon követhetőség jelentőségét. Nagyon fontos meghatározni a nyomon követés költségeit és előnyeit, azt, hogy az alapvető piaci mechanizmusok képesek-e kialakítani a nyomon követhetőség megfelelő szintjét valamint, hogy ezek a terméklánc különböző cégei között kapcsolatot tudnak-e teremteni. Ezekkel a kérdésekkel csak néhány éve kezdtek el a különböző szakértők részletesen foglalkozni (Meuwissen et al., 2003). A termékláncban a nyomon követhetőséggel kapcsolatos kiadások leginkább a rendszer kialakításának költségeiből, illetve a megfelelő szintű azonosítás megvalósításából adódnak: • Gyártási folyamatok megváltoztatása, • csökkenő rugalmasság, • az automatizálás növekvő szintje, • raktározási, humán erőforrás és dokumentációs költségek. Ezzel szemben a következő előnyökkel járhat: • A rendszer növekedett átláthatósága, • hatékony termék visszahívás, • logisztikai fejlődés, • állategészségügyi problémák gyors kezelhetősége, • kereskedelmi kapcsolatok fejlődése, 1

Debreceni Egyetem, Gazdálkodástudományi és Vidékfejlesztési Kar, [email protected]

151


• könnyebb a termékek engedélyeztetése, • és esetlegesen a termékek érték növekedése. Manapság a legtöbb nyomon követhetőség megvalósításával kapcsolatos vizsgálat a hús és a gabona szektorral foglalkozik. Ezt leginkább az európai hús- és baromfiiparban előforduló, a végső feldolgozók és a fogyasztók információ ellátottságából adódó aránytalanságok indokolják. Nagyon fontos, hogy a terméklánc egyes szereplői között lévő információ ellátottsági különbségeket meg kell szüntetni (Buhr, 2003). Azokon a területeken a legerősebb a motiváció, ahol több a termékeknél előforduló bizonytalansági tényező, a legmagasabb a szennyeződés veszélye, nagy az ellenőrzési arány és nehéz a jellemzők azonosítása. A gazdasági hatások a hatékonysággal (költségek és bevételek) és a fogyasztó központúsággal hozhatóak kapcsolatba. A hatékony és profitorientált cégeknek megfelelő kapcsolatot kell kialakítaniuk a terméklánc többi szereplőjével. Többféle technológiai szempont is létezik attól függően, hogy a termelési technikákról, a logisztikai technikákról vagy az információs és kommunikációs technikákról van szó. Közös tulajdonságuk azonban, hogy mindegyiknek a minőségi termék előállítását és az élelmiszer-biztonságot kell szolgálni: • Szabványosított technológiák alkalmazása az információ megosztás és harmonizálás érdekében, mely elengedhetetlen a nyomon követhetőség szempontjából. • Segítségükkel megfelelő és értelmezhető tájékoztatást kell tudni nyújtani a termék fogyasztóinak. Egyes kutatások a vizsgálati protokoll szempontjából modellezik a nyomon követhetőség jelentőségét (Starbird - Amanor-Boadu, 2004). Ezek a termék előállítója és feldolgozója közti kapcsolatot a megbízó-ügynök elmélettel valósítják meg. A termelő az ügynök és ő tudja, hogy a terméke mennyire biztonságos. A megbízónak (a feldolgozó) nincs rálátása a termék minőségére és megbízhatóságára. A megbízó olyan árat kínál a termékért, ami maximalizálja a profitját és kényszeríti a termelőt a számára szükséges információk megadására. Továbbá a megbízó dönti el milyen árat fizet a magasabb (vagy alacsonyabb) szintű technológia, illetve módszerek alkalmazásáért, mellyel növelheti az élelmiszer-biztonságot. A megbízó-ügynök modell széles körben elterjedt az agrár- és élelmiszerpiac információ ellátottság hiányosságainak elemzésére, a minőségmenedzsment rendszerek alkalmazásának vizsgálatára. Segítségével modellezni lehet például az ellenőrzési módszerek élelmiszer-biztonságra gyakorolt hatását (Starbird, 2005). Ezekből a modellekből kiderült, hogy már a mintavételes ellenőrzési eljárások is jelentős előrelépést jelentenek a biztonságosabb élelmiszer előállításához. A hálózati modell is alkalmas lehet a nyomon követhetőség elemzésére a több összetevős élelmiszerek termékláncában részvevő cégek esetében (Souza-Monteiro - Caswell, 2006). Ebben a modellben a nyomon követhetőség egy a cégek közötti információ folyamként van definiálva. Ez azonban nem egy általános modell, csak egy lehetséges módszer az ellátási lánc vizsgálatára, habár rendkívül hasznos, ha a nyomon követhetőséget koordinációs problémaként kezeljük.

2. Kötelezően alkalmazandó szabályozások Az élelmiszer-biztonság és azon belül az élelmiszerek nyomon követhetősége sarkalatos pontját képezi az egyre szigorúbbá váló Európai Uniós élelmiszerszabályozásnak is. Az ellátási lánc minden szereplője számára napjainkban már több rendelet (178/2002/EK, 852/2004/EK) és számos független agrár- és élelmiszeripari szabvány/rendszer (EUREPGAP, HACCP, ISO 22000, ISO 22005 stb.) határozza meg az élelmiszer-biztonságra, higiéniára és nyomon követhetőségre vonatkozó minimális előírásokat. A nyomon követhetőség, mint elvárás megjelenése egyébként sem meglepő, hiszen egy élelmiszerekkel kapcsolatos krízis esetén, jól működő nyomon követési rendszer nélkül elképzelhetetlen lenne a hatékony termékvisszavonás. (Kétszeri, 2006) A szabályozások közül a HACCP (Hazard Analisys Critical Control Points: Veszélyelemzés, Kritikus Ellenőrzési Pontok/on) ismertsége, elterjedtsége meghaladja az egyéb rendszerekét. A FAO (Food and Agricultural Organisation of the United Nations) Bizottsága először 1993-ban adta ki a HACCP rendszer alkalmazásáról szóló irányelveket, amelyeket azóta többször módosítottak. Mindamellett a WHO hangsúlyozza, hogy az élelmiszer-biztonság alapját a nemzeti élelmiszeripari jogszabályoknak kell képezniük (Nagy, 2002). Az európai szabályozásba 1993-ban élelmiszerhigiéniai

152


direktíva formájában épült be a módszer. Amikor pedig az ISO 9001:2000 szabványt kiadták, elkészült az élelmiszeripar számára az ISO 15161:2001 szabvány, melyet az ISO 9001:2000 alkalmazásához lehet használni (Sipos, 2006). Magyarországon az élelmiszert előállító üzemek számára a HACCP rendszer bevezetése kötelező. Magyarországon az élelmiszertörvény (1995. évi XC. Tv.) végrehajtási rendeletének – 1/1996. (I. 9.) FM-HM-IKIM sz. r.) 10. §-a is előírta a minőségirányítási rendszer meglétének kötelezettségét. A 80/1999. (XII. 28.) GM-EüM-FVM együttes rendelet a HACCP kötelező alkalmazását írja elő 2002. január 1-jétől, nemcsak az élelmiszert termelők, hanem a forgalmazók, vendéglátók számára is. A HACCP rendszer lényege, hogy a termékpálya mentén haladva meghatározzák azokat a kritikus pontokat, amelyeknél a végső minőség befolyásolható. Ügyelni kell arra, hogy ezekhez a pontokhoz egzakt kritériumok (tervcélok) rendelődjenek, amelyek (akár fix pontként, akár intervallumban) alkalmasak arra, hogy tényadatokkal ütköztessük őket. A „terv-tény” ütköztetésből adódó eredmények teszik lehetővé a minőség-alakulás folyamatos nyomon követését, illetve az esetlegesen szükséges korrekciók, helyesbítő intézkedések megalapozását. Az élelmiszer-biztonságot szolgáló rendszert egy adott termékre, esetleg termékcsoportra, technológiára lehet kidolgozni, a mindenkori sajátosságok figyelembe vételével. A HACCP nemcsak az élelmiszer kereskedelemre gyakorol nagy hatást, hanem a gyártókat és azok logisztikai szolgáltatásait is érinti. A gyáraknak, a raktáraknak és a szállítójárműveknek is meg kell felelniük a megkívánt higiéniai feltételeknek (Laczay – Reichart, 2008). Az elmúlt években fokozatosan előtérbe került a kockázat elemzés, mint az élelmiszer-biztonsági helyzet elemzésének és kezelésének eszköze, a termék nyomon követhetőségének kívánalma a teljes élelmiszerláncban, továbbá a kellőképpen nem ismert, új technológiák és termékek esetében alkalmazandó elővigyázatossági alapelv (Kétszeri, 2005). Ezen alapelvek figyelhetőek meg az Európai Parlament és Tanács 178/2002/EK számú rendeletében, melyet 2002. január 28-án fogadtak el. Céljai között szerepel az általános fogalmak meghatározása, illetve a teljes élelmiszerjogon átívelő alapelvek és célkitűzések lefektetése. Mindez az egészség védelmének magas szintjét, valamint a belső piac hatékony működését hivatott biztosítani. A Rendelet II. fejezete közösségi szinten harmonizálja az élelmiszerjog általános alapelveit (5-10. cikkek) és alapvető követelményeit (14-21. cikkek). Ezek korábban is jelen voltak az egyes tagállamok jogtörténetében, a Rendelet azonban a jövő európai élelmiszerjogának alapkövét fektette le a közösségi kontextusba helyezett definíciók, általános elvek és alapvető követelmények meghatározásával. Szintén rendelkezik az Európai Élelmiszer-biztonsági Hivatal létrehozásáról és az élelmiszer-biztonsági ügyekben alkalmazandó eljárásokról. A 178/2002/EK rendelet tehát kötelezővé teszi az előre illetve vissza történő nyomon követést. Az „egy lépés előre, egy lépés hátra” elvén működő kötelezettség az élelmiszervállalkozók számára a következőket jelenti: legyen olyan rendszerük és eljárásuk, amely azonosíthatóvá teszi közvetlen beszállítóikat, és lehetővé teszi a hatóságok számára való hozzáférhetőségét, amennyiben az adatok bekérésre kerülnek. Emellett létre kell hozniuk: a beszállító-termék kapcsolatot (melyik termék melyik beszállítótól származik), és a vásárló-termék kapcsolatot (melyik terméket melyik vásárlónak adták el). Azokat az adatokat, amelyek az első kategóriába tartoznak, minden esetben azonnal az illetékes hatóságok rendelkezésére kell bocsátani (beszállító neve, címe, tőle származó termék jellege; a vásárló neve, címe, ill. a neki szállított termék jellege; a szállítás időpontja). A második kategóriába tartozó adatok rögzítése ugyan nem kötelező, de nagyon ajánlott (térfogat vagy mennyiség, tételszám, ha van ilyen, a termék részletesebb leírása), és – ésszerű időn belül – ezeket is a hatóságok rendelkezésére kell bocsátani. A rendelet ugyan nem követeli meg a vállalkozóktól, hogy kapcsolatot hozzanak létre a beérkező és a kimenő termékek között (ún. belső nyomon követhetőség), de az élelmiszervállalkozókat buzdítani kell a tevékenységük típusának megfelelő belső nyomon követési rendszerek kialakítására (Kora, 2005). A feldolgozott termékek piacán több szempontból is külön figyelmet érdemel a biotermékek nyomon követése. Ökotermék (biotermék) az a növényi vagy állati eredetű élelmiszer, amelyet az ökológiai gazdálkodás szabályainak megfelelően állítottak elő, tehát utólagos vizsgálatokkal nem lehet semmit biotermékké minősíteni. Az ökológiai gazdálkodást Magyarországon az EU 2092/91 rendelete, valamint a Magyar Kormány 140/1999 és az FVM-KöM 2/2000-es közös miniszteri rendelete szabályozza. Az Európai Unióban – így hazánkban is – a mezőgazdasági termékeket, a belőlük készült

153


élelmiszereket és takarmányokat csak akkor szabad ökológiai (öko, bio, biológiai, organikus) jelöléssel forgalmazni, ha a rájuk vonatkozó közösségi és hazai jogszabályok betartása mellett, az állam hatósági kontrollja alatt működő ellenőrzési rendszerben állították elő, és rendelkeznek ezekről igazolással (Magyarországon tanúsítvánnyal). A gazdálkodási mód hivatalos megnevezése „ellenőrzött ökológiai gazdálkodás”, de nem hivatalosan azonos értelemben használjuk a biogazdálkodás, ökogazdálkodás, organikus gazdálkodás kifejezéseket is. Az élelmiszerek esetében bio minősítést csak a két hazai minősítő szervezet (Biokontroll Kht., Hungária Ökogarancia Kft.) által ellenőrzött termék kaphat. A minősítő szervezetek feladata garantálni a fogyasztók felé, hogy az értékesebb és ezért drágább élelmiszer valóban az előírásokat betartó üzemből kerül ki, másfelől megvédeni a valódi biogazdálkodókat a tisztességtelen versenytől, azoktól akik csupán állítják termékeikről, hogy az „bio”. Az ellenőrök feladata, hogy az egyes tevékenységeknek megfelelően kialakított rendszer szerint jegyzőkönyvbe rögzítsék a termék előállítás folyamatait, az előírásoktól való eltéréseket. A tanúsító feladata megállapítani, hogy a folyamatok megfelelnek-e az előírásoknak. Ha minden rendben talál, akkor kiadja a hologrammal és egyedi azonosítóval ellátott tanúsítványt. Eredeti tanúsítvány (igazolás) nélkül nincs ökológiai termék. A jogszabályok – az EU-ban a Tanács 834/2007 és a Bizottság 889/2008 rendeletei a meghatározóak – azonban nem csak a termék előállítási szabályokat írják elő, hanem a termelés folyamatainak kötelező ellenőrzését is, amelynek a célja, hogy a tévedéseket, csalásokat ki lehessen szűrni, megakadályozva a fogyasztók megtévesztését. Az ellenőrzés alapján és a fogyasztók érdekeit nem sértő megállapítások esetében kiállított minőségi tanúsítvány (igazolás) hatalmazza fel a termelőt, feldolgozót, forgalmazót, hogy a tanúsítványokon feltüntetett termékek, termékcsoportok esetében alkalmazzák az ökológiai jelölést. A biotermékeknél az ellenőrzések alapján kiállított minősítő tanúsítványok végigkísérik a biotermék útját a teljes termékpályán, amely jelentősen megnehezíti az illegális termékcseréket, az éves átfogó ellenőrzések kiszűrik a szavatossági időn túl tárolt készletek nagy részét. A termelőtől a feldolgozón át a kereskedőig kiépített ellenőrzési- tanúsítási lánc pedig lehetővé teszi, hogy megtalálhatók legyenek azok a tételek, amelyek esetleg szennyezhetik az élelmiszereket. Természetesen az ökológiai gazdálkodástól független, az élelmiszerbiztonságot veszélyeztető jelenségek itt ugyanúgy előfordulhatnak, mint a szokványos (nem bio) élelmiszereknél. Ismereteink szerint nincs eltérés a szennyezés kockázatában a bio és nem biotermékek között, ahol nincs technológiabeli különbség: ilyenek a környezetből származó szennyezők (nehézfém, régi vegyszer maradványok stb.), fizikai, biológiai (pl. gyommag), mikrobiológiai, csomagolóanyag, tisztító és fertőtlenítőszer eredetű szennyezők esetei. A hazai és külföldi tapasztalatok egyaránt azt mutatják, hogy a tudatos biotermék vásárlók elsősorban egészségügyi szempontból, vagyis szermaradványmentesség miatt döntenek a biotermék mellett. Másik motivációs tényező a GMO-mentesség, ami szintén az egészséges táplálkozással függ össze, ugyanakkor a vevők nem utolsó sorban a termékek ízletesebb voltára is hivatkoznak. Az adott termék előállítása során érvényesülő környezetvédelmi szempont a fogyasztóknál csak utolsó helyre szorul. Annak ellenére, hogy a magyarországi kereslet bővül, mégis igen lassú tendenciáról beszélhetünk, ami a szakértők szerint a vásárlók árérzékenységével magyarázható. Nálunk ugyanis a biotermékek átlagosan kétszer annyiba kerülnek, mint a „hagyományos” termékek, ami európai viszonylatban is kiemelkedő, ugyanis Németországban, vagy Ausztriában az árkülönbség „csak” mintegy másfélszeres (Roszik, 2009).

3. Kereskedelmi szabályozások Minden élelmiszerrel foglalkozó vállalkozás számára ismert, hogy működésük megfelelőségét bizonyítaniuk kell vevőik számára. E követelmények azonban különösen a multinacionális cégek beszállítói számára sok esetben eltérnek egymástól. Ez megnehezíti a vállalkozások feladatát abban a törekvésükben, hogy minden vevőjük számára a lehető legjobb feltételeket biztosítsák termékük minősége és a feldolgozás körülményei tekintetében (Veress, 2002). Különösen élesen jelentkeznek ezek a nehézségek a kereskedelmi láncok beszállítóinak felülvizsgálatai során, amikor néha egy időben, egymásnak ellentmondó követelményeket fogalmaztak meg a láncok által megbízott auditorok a beszállító számára. Ez indukálta először az Egyesült Királyságban azt az élelmiszeripari törekvést, hogy olyan, minden kereskedő és feldolgozó számára elfogadható követelményrendszert hozzanak létre az ipar gyakorlati tapasztalatait felhasználva, amely egyrészt megelőzi az eltérő értelmezésekből

154


származó szakmai vitákat, másrészt csökkenti a beszállítói auditok számát és a velük járó felesleges költséget. Erre hozták létre többek között az IFS, EFSIS, BRC szabályozásokat, melyek megfelelnek az élelmiszer-biztonság követelményeit előíró 178/2002/EC rendeletnek és a partnerek által megkövetelt beszállítói igényeknek. Az EFSIS-szabvány (az első ilyen szabvány) a múlt század kilencvenes éveiben az EFSIS (European Food Safty Inspection Service - Európai Élelmiszer biztonsági Felügyelő Szolgálat) Egyesült Királyságban kidolgozott 1994-es dokumentuma volt, amely 36 szabványpontban foglalja össze a követelményeket. Ezt az ipar a kiskereskedelmi láncokkal közösen dolgozta ki annak érdekében, hogy a vevői elvárásokat teljesítse. A szabvány lényege, hogy a HACCP rendszer logikáját követve az adott iparág speciális technológiai problémái köré rendezve határozza meg, mit kell tenni az élelmiszer-biztonság, az egyenletes minőség és a rendeletek, előírások betartása érdekében. Az EFSIS az egyik legelismertebb, harmadik fél által nyújtott, olyan független szolgáltatás, amely az élelmiszer előállítók, a kiskereskedelem és a vendéglátók működését világszerte felülvizsgálja annak érdekében, hogy biztosítsa a legmagasabb szintű követelményeknek való megfelelést. Az EFSIS a nagyobb kereskedelmi hálózatok független élelmiszerüzletek, szerződéses étkeztetők, gyorsétterem láncok és az élelmiszerláncban termelő összes többi vállalat számára kidolgozott felülvizsgáló és tanúsító szolgáltatás. A szabvány vállalatok, vállalkozások minőségirányítási rendszereinek felülvizsgálatára is vállalkozik, az élelmiszertermékek széles skálájában. A BRC szabvány az angol élelmiszer kiskereskedelmi és egyéb kapcsolódó szakmai szervezetek (British Retailer Consorcium - Brit Kereskedők Egyesülete) együttműködésével jött létre. A HACCP hét alapelvének alkalmazása mellett környezetirányítási és minőségbiztosítási rendszerelemek alkalmazását is előírja a saját "márka" termékeinek gyártóitól. A BRC szabvány lényegében megegyezik az EFSIS szabvánnyal, de még néhány további ajánlást tartalmaz. Jelenleg a BRC szabványnak megfelelő tanúsítások több mint 70 százalékát az EFSIS végzi, tehát az EFSIS tanúsítás egyben BRC tanúsítást is nyújt. A két szabvány közös jellemzője, hogy mindkét követelményrendszer alapfeltétele a működő élelmiszer-biztonsági rendszer (HACCP), tartalmazza a minőségirányítási rendszer (ISO 9001:2000-es) legszükségesebb elemeit, emellett megfelelő üzemi (gyártási, higiéniai) környezetet feltételez. Az alapkövetelményekhez tartozik a termékellenőrzés szabályozása, a nyomon követhetőség, a termék előállítás folyamatának szabályozása és a személyzettel kapcsolatos higiéniai, képzettségi elvárások (http://www.standard-team.hu/kereskedelmi-lancok.html). Az IFS szabványt (International Food Standard) német intézmények és szervezetek alakították ki az EFSIS és BRC, valamint az ISO 9001 szabványok figyelembevételével. 2002-ben német kiskereskedelmi cégek dolgozták ki ezt a rendszert, majd 2003-ban francia cégek is csatlakoztak a kezdeményezéshez annak érdekében, hogy a saját márkás termékeket beszállítók számára egységes követelmény- és értékelő rendszert dolgozzanak ki és biztosítsák az élelmiszerszektor átláthatóságát (Szathmáry – Győri, 2007). Jelenleg Magyarországon is az egyik legelfogadottabb és legelterjedtebb minőségirányítási rendszer (sok áruházláncnál a szállítás feltétele ennek megléte). Maga az IFS rendszer a minőségpolitikára, a vevő igényeire fókuszál. Minden területtel foglalkozik, a szervezeti felépítéssel, a környezeti előírásokkal stb., azonban az egyik legfontosabb eleme a nyomon követés, amellyel mindig biztosítható az azonosítás, a termék beszerzésétől az értékesítésig. Nagyon fontos tulajdonsága ennek a minőségirányítási rendszernek, hogy az élelmiszer-előállítással együtt folyamatosan fejlődik, és több fokozata létezik.

4. Szabályozásokon felüli nyomon követési információk gazdasági vizsgálata A nyomon követhetőség gazdasági jelentőségének vizsgálatával ritkán lehet találkozni, ami több összetevős termékek esetén lehet különösen érdekes. Több összetevős élelmiszernek nevezzük azokat a termékeket, melyeket különböző árucikkek (vagy eltérő módon feldolgozott termékek) kombinációjából állítanak elő. Általános jellemzőjük, hogy egy meghatározott receptúra alapján készülnek és a végtermék minősége nagyban függ az egyes összetevők minőségétől. Napjainkban rengeteg több összetevős termékkel találkozhatunk a boltok polcain. Ezeknek a termékeknek nyomon követése a termékláncban egy igen komplex koordinációs probléma, kezelésük új intézkedések meghozatalát követeli meg (Souza-Monteiro - Caswell, 2006).

155


Az élelmiszerláncban például rengeteg céggel találkozhatunk, melyek különböző tevékenységet végeznek, különböző területeken. A globalizációnak köszönhetően a vállalatok száma egyre inkább növekszik, ezzel párhuzamosan az élelmiszer hálózat komplexitása is. Ebből adódik, hogy az ellátási lánc minden pontján horizontális és vertikális kapcsolatok alakulhatnak ki, melyeknek erőssége igen változó. Az élelmiszer termelés és feldolgozás másik sajátossága a heterogenitás, mely jelentősen befolyásolja a tevékenységek koordinálását. Az általam használt egyszerűsített három lépcsős modellnek (1. ábra) három szintje: a termelők, a közbenső feldolgozók és a termék végső feldolgozója (Meuwissen et al., 2003).

1. ábra. Az élelmiszer feldolgozás három lépcsős modellje

A harmadik szinten lévő vállalkozás tekinthető a több összetevős termék előállítójának, aki különböző félkész termékeket vásárol a második szint feldolgozóitól. A félkész termékek előállításához a második szint alapanyagokat szerez be az első szintről. Az első két szinten specializálódott vállalkozásokat találunk, mivel csak egy outputtal és a hozzá kapcsolódó információval rendelkeznek. A második szint cégei függenek az első szinten lévő kizárólagos beszállítóiktól kapott inputoktól, ezáltal a modell szerint minden egyes cégnek csak egy kapcsolata van a hálózati struktúrán belül. Például ha az a 11 farm paprikát termel, akkor azt csak az a 21 feldolgozónak adja el, mivel feltételezzük, hogy csak ez az egyetlen feldolgozó, aki a paprikát inputként használja. (Az első szinten lévő vállalkozásokat tekintsük úgy, mint egy kisvállalkozó, vagy a feldolgozó szervezeti egysége.) A modell leginkább az információ áramlás feltételeit vizsgálja és feltételezi, hogy a cégek között teljes információ (a vevő számára összes releváns információt magába foglaló) megosztás van, amely a termékekhez kapcsolva áramlik. Ezenkívül csak a vertikális, feldolgozás irányú információkat vizsgáljuk. A görög γ betűvel jelöljük az információt, melynek alsó indexe megmutatja a cég helyét az ellátási láncban: az első arra utal hányadik szinten helyezkedik el, a második az adott céget azonosítja. Például a γ 1i az első szint i-edik vállalkozásától származó információt jelöli. Minden egyes vállalkozás (legyen az ellátási lánc bármely szintjén) új információhalmazt is termel, továbbá ezért az információ szolgáltatásért prémium felárat is fizetnek neki (p). Ez összefüggésben van azokkal a feltételezésekkel, hogy a nyomon követhetőségből a vásárlói megelégedettségen (bizalmon) kívül gazdasági haszon is nyerhető. Az indexek itt azt jelölik, ahonnan az extra felár származik, például p 3 a harmadik szintű cég által a fogyasztó felé nyújtott γ 3 információs szintből származó prémiumot jelöli. Továbbá a harmadik szinten található cég az összes második szintű céggel kapcsolatban van, információt kér (γ 21 ,…,γ 2n ) a vásárolt összetevőkről. Ezek a cégek is tekinthetőek megbízónak, abban az értelemben, hogy az alattuk lévő első szintű vállalkozástól információt és inputot kapnak, így a különböző szintek között láncolatként oszlik meg az információ. Ezt kifejezhetjük az alábbi formában: γ 3 =γ 3 (γ 21 …γ 2n ), γ 21 =γ 21 (γ 11 ) és γ 2n =γ 2n (γ 1n ).

156


Az információ költségekkel jár, mivel mindegyik vállalkozásnak ki kell alakítania a belső információs rendszerét, hogy ki tudja nyerni és továbbítani tudja az adatokat. Ezeket a költségeket a következő csoportokba sorolhatjuk (Hobbs, 2004): • A nyomon követési rendszer közvetlen költségei, • az elvárt pontosság miatt keletkező termelési költségek, • járulékos költségek, melyek az élelmiszer-biztonsági problémák esetén merülnek fel. A költségeket c betűvel jelöljük és az indexek mutatják melyik szinttel, illetve vállalattal van kapcsolatban. A vizsgálat egyszerűsítése miatt az információs rendszereket kompatibilisnek tekintjük annak érdekében, hogy a tranzakciókért és a konvertálásért ne kelljen további költséggel számolni. A nyomon követhetőség megvalósításának kritikus feltétele, hogy a fogyasztó következetesen és folytonosan igényelje az információkat a harmadik szinttől. Spanyol, kanadai és az Egyesült Államokban készült tanulmányok is bizonyítják, hogy a fogyasztók bizonyos esetekben hajlandóak plusz költséget fizetni a nyomon követhetőségért (Hobbs et al., 2005). A modell szempontjából fontos további számítások megalapozásaként két axiómát kell meghatározni: • Minden nyomon követési információ igaz. • Az ellátási lánc minden szintjén létezik az információs rendszerben a költségekkel összefüggő tökéletes információ. A lánc első szintjén található összes i-edik cég választás előtt áll, vagy elfogadja a második szint iedik cégének feltételeit, vagy lemond az ebből származó profitról. Ezekre a cégekre a következő függvényt használhatjuk: (1) 𝑚𝑚𝑚𝑚𝑚𝑚𝛾𝛾 1𝑖𝑖 𝛱𝛱1𝑖𝑖 = 𝜋𝜋1𝑖𝑖 + 𝑝𝑝1𝑖𝑖 𝛾𝛾1𝑖𝑖 − 𝑐𝑐1𝑖𝑖 (𝛾𝛾1𝑖𝑖 )

A képletben a p 1i az információ árát jelenti (amennyit hajlandóak érte fizetni), a c 1i pedig az információ előállításával kapcsolatos költséget. A cég által megosztott információ akkor van optimális szinten ha p 1i legalább akkora, mint a c 1i . A második szinten lévő cégek számára fontos, hogy megszerezzék a velük kapcsolatban lévő első szintűtől az információt. Ezek a cégek különleges helyzetben vannak abból a szempontból, hogy egyszerre ügynökök és megbízók is. Az első szinten lévő cégek akkor fogadják el a második szinttel a kapcsolatot, ha az információ átadásával szerzett profittal legalább annyi bevétel keletkezik számukra, mintha nem foglalkoznának az információ előállításával és továbbításával. A második szinten lévő i-edik cégek esetében a probléma jóval komplexebb, mint az első szinten: (2) 𝑚𝑚𝑚𝑚𝑚𝑚𝛾𝛾 2𝑖𝑖 𝛱𝛱2𝑖𝑖 = 𝜋𝜋2𝑖𝑖 + 𝑝𝑝2𝑖𝑖 𝛾𝛾2𝑖𝑖 − 𝑝𝑝1𝑖𝑖 𝛾𝛾1𝑖𝑖 − 𝑐𝑐2𝑖𝑖 (𝛾𝛾2𝑖𝑖 ),

ahol γ 2i = γ 2i (γ 1i ) és Π 1i = π 1i .

Ebben az esetben a második szintű cégek két kényszer feltételhez kötöttek. Egyrészt függőségi kényszerszerben vannak az információ áramlás irányából adódóan. Másrészt az ügynök elmélet más vertikális modelljeihez hasonlóan (anyagok és árucikkek áramlása), biztosítaniuk kell az első szinten lévő cégekkel kapcsolatukat, vagyis arra kényszerülnek, hogy mindenképpen szerződjenek ezekkel a cégekkel. A harmadik szinten lévő vállalkozások a verseny piacon értékesítik a végterméket és prémium árat kérnek az extra (nyomon követhetőségi) információkért (p 3 =p 3 (γ 3 )). Ahhoz, hogy garantálni tudják ezeket az információkat jobban függenek a megfelelő információ áramlástól, mint például az összes második szintű cég információ szolgáltatásától. Fontos azt is megjegyezni, hogy a második szinten lévő cégek heterogén jellege miatt ezek a cégek nem tudják szükségszerűen ugyanazt az információ ellátási szintet garantálni. A modell szerint szintén céljuk az élelmiszerláncot fenyegető veszélyek előfordulásából adódó (ψ-ezek előfordulási aránya) veszteségek csökkentése (L). A fentiekből a harmadik szintű vállalkozásokra felírható egyenlet még inkább összetettebb: ahol γ 3 =γ 3 (Γ 2 ),

(3) 𝑚𝑚𝑚𝑚𝑚𝑚𝛾𝛾 2𝑖𝑖 𝛱𝛱2𝑖𝑖 = 𝜋𝜋2𝑖𝑖 + 𝑝𝑝2𝑖𝑖 𝛾𝛾2𝑖𝑖 − 𝑝𝑝1𝑖𝑖 𝛾𝛾1𝑖𝑖 − 𝑐𝑐2𝑖𝑖 (𝛾𝛾2𝑖𝑖 ),

Π 21 =π 21

157


… Π 2n =π 2n , és Γ 2 -vel jelöljük az egyes második szintű cégtől érkező információ áramlás vektorát. Így a képletet átalakítások és behelyettesítések után a következőképpen írhatjuk fel: (4) 𝑚𝑚𝑚𝑚𝑚𝑚𝛤𝛤3 𝐸𝐸[𝛱𝛱3 ] = 𝜋𝜋3 + 𝑝𝑝3 (𝛾𝛾3 (𝛤𝛤2 )) − ∑𝑛𝑛𝑖𝑖=1(𝑝𝑝1𝑖𝑖 𝛾𝛾1𝑖𝑖 + 𝑐𝑐2𝑖𝑖 (𝛾𝛾2𝑖𝑖 )) − 𝑐𝑐3 (𝛾𝛾3 (𝛤𝛤2 )) − 𝐿𝐿𝐿𝐿(𝛾𝛾3 (𝛤𝛤2 )).

A fenti számításokból kiderül, hogy a nyomon követhetőség csak akkor valósítható meg, ha a harmadik szinten lévő vállalkozás a kínált információért kapott felárból, illetve az esetleges élelmiszer problémákból adódó visszahívások és bírságok által okozott káresetek elmaradásának költsége finanszírozni tudja, a második szinten található cégeknek kifizetett összegeket (Souza-Monteiro Caswell, 2006). A modellből több következtetés is megállapítható: • Több összetevős élelmiszeripari termékpályák esetén, meglehetősen komplex a nyomon követhetőség gazdaságosságának meghatározása a terméklánc egyes lépcsőin, ami a lánc vége felé egyre több tényező függvénye. • Az említett modell meghatározásánál a könnyebb számítások kedvéért több egyszerűsítő feltételt is bevezettek. Azonban a iparban előforduló viszonyok ezeket a legritkább esetben engedik meg, a leképezést meglehetősen pontatlanná teszi. Például egyáltalán nem garantálható, hogy a második szintű feldolgozó cégek csak egyetlen beszállítóval rendelkezzenek, stb. • A számítások kulcskérdése, hogy a fogyasztó hajlandó fizetni a termék nyomon követhetőségéért. Az állítást több említett tanulmány is alátámasztja, azonban napjaink kiélezett viszonyai között (főleg Magyarországon) nem biztosított ennek mértéke, illetve fenntarthatósága. • Az előző megállapításokból következik, hogy a totális és globális nyomon követhetőség nem, vagy csak optimális körülmények esetén valósítható meg, például, ha a teljes termelési vertikumot egy vállalat vagy vállalatcsoport valósítja meg.

Hivatkozások Buhr, B. L. 2003. Traceability and Information Technology in the Meat Supply Chain: Implications for Firm Organization and Market Structure. Journal of Food Distribution Research 34(3). pp. 13-26. Hobbs, J. E. 2004. "Traceability in the Canadian Red Meat Sector: Do Consumers Care?". Agribusiness 20 (4) pp. 397–415. Hobbs, J. E., Bailey, D., Dickinson, D. L., Haghiri, M. 2005. "Traceability in the Canadian Red Meat Sector: Do Consumers Care?" Canadian Journal of Agricultural Economics 53 pp. 47–65. Kétszeri, D. 2005. Élelmiszer-nyomonkövethetőség az EAN.UCC szabványok segítségével. Élelmiszervizsgálati közlemények LI. Kötet 2. füzet, pp. 87-88. Kétszeri, D. 2006. GS1 (EAN.UCC) szabványok az élelmiszer-nyomonkövetés szolgálatában. XV. Élelmiszer Minőségellenőrzési Tudományos Konferencia, Debrecen, 2006. március 29-31. 212-221. Kora, M. 2005. A 178/2002/EK rendelet értelmezése az EU munkabizottságának útmutatója alapján. A HÚS 15(1) 42-45. Laczay, P., Reichart, O. 2008. Élelmiszer-Higiénia Élelmiszerlánc-Biztonság. Mezőgazda Kiadó, Budapest, 650 p. Meuwissen, M. P. M., Velthuis, A. G. J., Hogeveen, H., Huirne, R. B.M.2003. Traceability and Certification in Meat Supply Chains. Journal of Agribusiness 21(2), pp. 167-181. Roszík, P. 2009. A bioélelmiszerek fogyasztókat szolgáló élelmiszerbiztonság többletei. http://www.biokontroll.hu/cms/index.php?option=com_content&view=category&id=255&Itemid=118&lang=hu Sipos, G.-Né 2006. Élelmiszer-biztonsági irányítási rendszerek szabványai: az ISO 22000-es szabványcsalád. Minőség és megbízhatóság 2006/4. pp. 206–209.

158


Souza-Monteiro, D., Caswell, J. A. 2006. Traceability in Multi-Ingredient Food Supply Chains. 7th International Conference on Management in AgriFood Chains andNetworks, Ede, The Netherlands, 31 May – 2 June, 2006 Sporleder, T. L., Moss, L. E. 2002. Knowledge Management in the Global Food System: Network Embeddedness and Social Capital. Working Paper AEDE-WP-0024-02 Starbird, S. A. 2005. Moral Hazard, Inspection Policy and Food Safety. American Journal of Agricultural Economics 87(1), pp. 15-27. Starbird ,S. A., Amanor-Boadu, V. 2004. Traceability, Inspection, and Food Safety. Selected Paper for the AAEA Annual Meeting, Denver, Colorado. Szathmáry, Zs., Győri, Z. 2007. Minőségbiztosítás és nyomon követhetőség a növénytermesztésben. Agrártudományi Közlemények, 2007/26. Különszám, pp. 273-277. Veress, G. 2002. A minőségügy alapfogalmai. In: Győri Z. (szerk.): Minőségirányítás az élelmiszergazdaságban. Primom Vállalkozásélénkítő Alapítvány

159


XML szerepe az elektronikus tananyagfejlesztésben Lengyel Péter 1

Abstract: Today, in higher education it is essential for participants to reach the teaching materials in

electronic form. In the curriculum making process the scope is to making electronic materials which are using programmed teaching methods, and suitable for acquiring self-knowledge. In the case when the scope is to publicate a large number of documents in the preparation of a uniform format, but different in appearance, the obvious solution is to use a reusable document format. Suitable up to this expectation the DocBook XML document format, which have been used since the early nineties keynote store documents and technical specifications. Keywords: XML, electronic curriculum development

Összefoglaló: Ma már a felsőoktatásban résztvevők számára elengedhetetlen, hogy elektronikus formában érhessenek el tankönyveket, tananyagokat. A tananyag készítési folyamatban mindig önálló ismeret elsajátításra alkalmas, programozott oktatási módszereket alkalmazó elektronikus tananyag készítése a cél. Abban az esetben, amikor nagy mennyiségű dokumentum egységes formátumban való elkészítése, de eltérő megjelenésben történő publikálása a cél, a legkézenfekvőbb megoldás valamilyen újrahasznosítható dokumentumformátum használata. Ennek az elvárásnak maximálisan megfelel a DocBook XML dokumentumformátum, melyet a kilencvenes évek eleje óta használnak általános témájú dokumentumok és technikai leírások tárolására. Kulcsszavak: XML, elektronikus tananyagfejlesztés

1. Bevezetés A világ egyre gyorsabban halad az elektronikus eszközök használatának irányába. Természetes, hogy az oktatás sem maradhat le ezek megismertetésében és használatában. Az e–Learning módszerek legelterjedtebb, legismertebb megvalósítása egy e-Learning keretrendszer használata. Ebből következik, hogy ha ezeket a rendszereket hatékonyan akarjuk használni, akkor elektronikus tananyagokat kell készíteni, ami nem kevés feladatot ad az oktatóknak. Az elektronikus tananyagok létrehozásánál szem előtt kell tartani azt is, hogy bizonyos szabványokat be kell tartani annak érdekében, hogy az elkészített elektronizált anyagokat, többféle rendszerben használhatóvá tudjuk tenni. Az elektronikus tananyagot tanulási tartalomnak (learning content) nevezzük, melynek felépítése logikailag és fizikailag is hierarchikus. •

Tananyagelem (asset): ez a tananyag legkisebb egysége, ami egy fájl, amely tartalmazhat szöveget, képet, hangot, videót stb.

•

Megosztható tartalomobjektum (Sharable Content Object, SCO): egy vagy több tananyagelemből áll, az LCMS (Learning Content Management System, Tanulási tartalommenedzselő rendszer) képes önállóan kezelni.

•

Lecke (lesson): egy vagy több tartalomobjektumból épül föl, megfelel a hagyományos tankönyv egy leckéjének vagy fejezetének. A több leckéből álló tananyagrészt modulnak nevezik.

•

Kurzus (course): egy vagy több modul alkotja a kurzust. Egy kurzus megfelelhet tankönyvnek, tantárgynak, vagy egy tanfolyamnak.

1

Debreceni Egyetem, [email protected]

160


•

Képzési program (curriculum): több, összetartozó kurzus alkotja, amely egy adott végzettséghez vagy képesítéshez tartozó tanfolyamok összerendelését végzi.

A tartalomobjektumok jellegzetessége, hogy a tananyagelem kommunikál a futtató rendszerrel, amíg azt egy tanuló böngészi. Ez lehetőséget ad arra, hogy különböző tanulók számára másképp viselkedjen a tananyagelem. A tananyagelemekből és tananyagobjektumokból alkotott hierarchia a tananyag. Ezt a hierarchiát az IMS CP (Content Packaging, Tananyag Tömörítés) szabvány által meghatározott manifest XML állományban lehet összeállítani. A tananyag szerkezetét több elem alkotja. Egy elem lehet egy tananyagelem, tananyagobjektum vagy több újabb elemek szülője. Az IMS CP nemcsak az erőforrások hierarchiájának megadására használható, hanem az erőforrások csomagolására és szállítására is. Gyakorlatilag egy ilyen tartalomcsomag egy zip állomány, amelyben a manifest állomány írja le a benne található összes többi állomány szerepét. A manifest állomány szerkezetét az IMS CP 1.1.4 verziójának XSD (XML Schema Definition) állománya határozza meg a SCORM 2004 3rd Edition esetében.

2. Elektronikus tananyagfejlesztés folyamata Ma már a felsőoktatásban résztvevők számára elengedhetetlen, hogy digitális formában - az interneten keresztül - elérhessenek tankönyveket, tananyagokat, melyek felépítése könnyűvé és egyszerűvé teheti a mentést, nyomtatást, ezzel segítve az aktív tanulási folyamatokat. Az e-Learning megoldások igen lényeges eleme maga az elektronikus tananyag. Nagyon sok esetben úgy gondolják, hogy ha egy meglevő tantermi oktatáshoz tartozó tananyagot, könyvet integrálnak egy keretrendszerbe, akkor máris készen van az elektronikus oktatási anyag. Azonban a helyzet más, hiszen az e-Learning oktatás során sok esetben a tananyagnak „pótolnia” kell az oktatót is: szinten kell tartani a hallgatók figyelmét, megfelelő időközönként vissza kell hivatkozni a tananyag lényeges részeire, és be kell iktatni elektronikus vizsgákat is. A digitális kultúra elterjedésével új lehetőség nyílt a hagyományos állókép és hang valamint az elektronikus képek együttes megjelenítésére. Multimédia alkalmazásával olyan tananyagok hozhatók létre, melyekkel a jelenségek olyan szintjét lehet az érzékelés, a megfigyelés számára megragadhatóvá tenni, amelyek a természeti jelenségek jellegzetességei miatt sokszor rejtve maradnak. Az e-Learning rendszerben a tananyag egy részét össze lehet gyűjteni, de a hallgatónk egy része nem rendelkezik azzal a képességgel, hogy szelektíven és hatékonyan hozzájusson ahhoz az információhoz, amelyre szüksége van (Nagy, 2008). Ahhoz, hogy egy hagyományos tananyag jól tanulható elektronikus tananyag legyen, a fejlesztés során a következő szempontokat is szem előtt kell tartani (Nemes és Csilléry, 2006): •

Jól felépített oktatási fázisok, melynek során a tananyag az alapvető információkat a hallgatók elé tárja, végigvezeti őket mintapéldákon, gyakoroltat és számon kér.

•

Megfelelően kidolgozott szerkezet segítségével a hallgatók világosan átlátják, hogy a tananyag milyen lépésekben tartalmazza az elsajátítani kívánt tananyagot.

•

Modulrendszerű kialakítás: Az oktatáshoz kapcsolódó tananyagok több modulra osztva lehetővé teszik, hogy minden hallgatónak csak a számára szükséges modulokat kelljen végigjárnia, melyek alapján a mindennapi munkája során felmerülő problémákat meg tudja oldani.

•

Elméleti magyarázatok: Fogalmak világos és tömör megfogalmazása szöveges ismertetőkkel, és ha lehet, képernyőábrákkal kiegészítve.

•

Eljárások ismertetése: Fogalmakon alapuló műveletek részletes bemutatása. A művelet végrehajtásához szükséges lépéssorozatok pontos leírása, bemutatása animációk, szimulációk segítségével.

•

Gyakorlatok: Az általános műveleteket gyakoroltatják tárgyorientált feladatok elvégzésével. A gyakorlatok lépésenkénti megoldásával a hallgatók megtanulják, hogy az előzőekben megszerzett tudást hogyan használhatják az új koncepciók elsajátítására. A gyakorlati példák

161


segítik a résztvevőket, hogy a példát mindennapos tapasztalataikkal összefüggéseket ismerjenek fel és következtetéseket vonjanak le.

összevetve,

•

Előzetes tudásfelmérés: Minden modul elején lehetőség van arra, hogy a tanuló adott témakörhöz tartozó tudásszintjét felmérjék. A felmérés során megjelenő kérdésekre adott válaszok alapján eldönthető, hogy az adott modult a hallgatónak el kell-e végeznie vagy nem.

•

Vizsgák: Segítségükkel mérhető a tananyag elsajátításának mélysége. A teszt jellegű kérdések a fogalmak elsajátítását, illetve az adott témakörökhöz kapcsolódó gyakorlati problémamegoldó képességét mérik. A vizsga végrehajtása után a hallgató és az oktatást koordináló szakemberek számára is láthatóvá válik, hogy probléma esetén kinek melyik oktatási modult kell átismételnie a témakör mélyebb elsajátításához.

•

Megfelelő szintű és mennyiségű multimédiás eszköz használata, melyek segítségével a hallgatók figyelme szinten tartható, a különböző hallgatói típusok (vizuális, verbális típus) kiszolgálhatók. Különös tekintettel az agrárképzésre!

Fontos, hogy a tananyag írott formája mellett az információtárolás más formái is lehetővé váltak. Az e-Learning megoldásai tehát a következő építőkövekből állnak: •

Infrastruktúra: Azon hardver- és szoftverelemek összessége, amelyek elérhetővé teszik az elsajátítani kívánt ismeretanyagot.

•

Tartalom: Az oktatás témakörét lefedő elektronikus tananyag. Azon ismeretanyagok összessége, amelyet a hallgatók a kiépített infrastruktúrákon keresztül a szolgáltatások segítségével elérhetnek. Megjelenését tekintve a formázott szöveges tananyagoktól, a kép- és videó támogatással ellátott anyagokon keresztül egészen a bonyolult szimulációkat felvonultató oktatási csomagokig terjedhet.

•

Szolgáltatások: Nagyon sokan úgy gondolják, hogy ha az infrastruktúra és az elektronikus oktatási anyag összeállt, akkor kész is a komplett e-Learning megoldás. Nem feledkezhetünk meg azonban olyan egyéb igényekről, mint képzési tervek összeállítása, kapcsolódás a hagyományos tantermi oktatásokhoz, hallgatók által megszerzett tudás nyilvántartása és a hallgatói készségek-képességek menedzselése. Ezek mind-mind olyan kívánalmak, amelyeket egy e-Learning megoldásnak tudnia kell kezelni.

A tananyag készítési folyamatban mindig önálló ismeretelsajátításra alkalmas, programozott oktatási módszereket alkalmazó elektronikus tananyag készítése a cél. A tananyag megszületésének első pillanatától a szerzők által is világosan kezelt és ismert eszközrendszer alkalmazása mellett az elsődleges cél az elektronikus tananyag megalkotása. Az elektronikus tananyag készítési folyamatot a tartalmi elkészítést támogató szerkesztői, lektori, illetve a taneszközök elkészítését végző grafikusi, illusztráció-készítői, programozói és operátori munkafázisok alkotják (1. ábra). A digitalizált tankönyvek, továbbá az e-Learningnek számító komplex tananyagok összevetése a nyomtatott verziókkal nem is hagy kétséget az előbbiek könnyebb használhatósága felől (mind az oktatók, mind a kutatók, diákok, hallgatók számára).

162


1. ábra. Az elektronikus tananyag fejlesztési folyamata Forrás: E-tananyagfejlesztés, Coedu tudásháló

Az előnyök: •

olcsóbb előállíthatóság IT szempontból: megfelelő szabványok és sablonok esetén gyors kódolás;

•

elmaradnak a tördelési, nyomdai, szállítási, logisztikai költségek;

•

ma már a gyors kereshetőség elengedhetetlen;

•

azonnali frissítés lehetősége (update).

3. Elektronikus tananyagok felépítése Abban az esetben, amikor nagy mennyiségű dokumentum egységes formátumban való elkészítése, az egyes dokumentumoknak ugyanazon hordozón, de eltérő megjelenésben történő publikálása (pl. navigációs elemekkel ellátott HTML formátum és nyomtatható HTML formátum), vagy a dokumentumok különböző médián vagy formátumban való publikálása a cél, a legkézenfekvőbb megoldás valamilyen újrahasznosítható dokumentumformátum használata. Az XML-be kódolt gépi feldolgozás lehetővé teszi, hogy az egységesített tartalmat különböző megjelenítő eszközökre lehessen publikálni, de fordítva is igaz: a dokumentum tartalmának változásakor nem szükséges a megjelenítő réteg változtatása. Az elektronikus dokumentum felépítése: •

•

logikai réteg, mely a dokumentum szerkezetét írja le, azaz hogyan tagolódik fejezetekre, bekezdésekre (pl. XML) o

Az XML (Extensible Markup Language, Kiterjeszthető Jelölő Nyelv), általános célú leíró nyelv, speciális célú leíró nyelvek létrehozására.

o

Az elsődleges célja strukturált szöveg és információ megosztása az Interneten keresztül. Az XML-en alapuló nyelvek leírása formális, így lehetővé téve a programok számára a dokumentumok módosítását és validálását a formátum előzetes ismerete nélkül.

a második rétegnek elő kell tudnia állítani ennek a struktúrának és a megjelenítő eszközeinek a megfelelő kimenetét a célformátum ismeretében (az output lehet: HTML, pdf, Word).

Elektronikus tananyag létrehozása előtt fontos olyan, már létező megoldásokat megvizsgálni, melyek a fentieknek megfelelnek, képesek az elektronikus dokumentumok metaadatainak megfelelő

163


tárolására, kellően elterjedtek, a nagyobb szoftverfejlesztők támogatják és léteznek megfelelő minőségű transzformációs eszközök. További követelmény, hogy a formátum legyen szabadon módosítható és bővíthető, valamint nyílt szabvány legyen, azaz ne kötődjön egyetlen nagy gyártóhoz sem.

4. DocBook XML használata az Agrármérnöki MSc szak tananyagfejlesztésében A Debreceni Egyetem Mezőgazdaság-, Élelmiszertudományi és Környezetgazdálkodás Kara által vezetett TÁMOP projekt kereteiben megvalósuló Agrármérnöki MSc szak tananyagfejlesztése 20 elektronikus tananyag létrehozását eredményezi (4. sz. melléklet). A tartalomfejlesztési fázis MS Word dokumentum formátumban létrehozott tananyagokat eredményezett. A technikai fejlesztési fázisban ezeket a tananyagokat DocBook formátumra kellett alakítani, melyek ezután felkerülnek a www.tankonyvtar.hu-ra. Ez a fázis a DocBook formátum részletes és pontos megismerése után előre felépített megvalósítási terv mellett teljesült. A tananyagokat az ingyenesen használható XML Mind szerkesztővel alakítottuk át DocBook formátumra, melynek - egy jegyzet készítése közben készült képernyőképét a 2. ábra mutatja. A 3. ábrán ugyanennek a jegyzetnek az xml kód részlete látható.

2. ábra. Az XML Mind felhasználói felülete A DocBook XML formátum olyan általános dokumentumformátum, melyet a kilencvenes évek eleje óta használnak általános témájú dokumentumok és technikai leírások tárolására. A formátumot támogatják a Linuxos fejlesztői közösségek, valamint kereskedelmi és nyílt forrású szoftverek sora. Ezt a formátumszabványt jelenleg az OASIS nonprofit konzorcium kezeli, mely egy nyílt, jól dokumentált szabvány és aktív fejlesztői közösséggel rendelkezik (MARKÓJA, 2005). A projekt során a következő feladatokat kellett teljesíteni: •

DocBook XML szerkesztése szöveges dokumentumokból (book.xml)

•

Metaadatok létrehozása

164


o

meta/dc.xml - Dublin Core metaadatok

o

meta/marc.xml – MARCXML metaadatok

•

a tankönyv képei png formátumban (images/{kép neve}.png)

•

a tankönyv egyenletei mathML formátumban (math/{egyenlet neve}.math)

3. ábra. A DocBook XML-ben létrehozott tananyag kódrészlete

Következtetés Abban az esetben, amikor nagy mennyiségű dokumentum egységes formátumban való elkészítése, az egyes dokumentumoknak ugyanazon hordozón, de eltérő megjelenésben történő publikálása, vagy a dokumentumok különböző médián vagy formátumban való publikálása a cél, a legkézenfekvőbb megoldás valamilyen újrahasznosítható dokumentumformátum használata. Ennek az elvárásnak maximálisan megfelel a DocBook XML dokumentumformátum, melyet a kilencvenes évek eleje óta használnak általános témájú dokumentumok és technikai leírások tárolására. Az XML-be kódolt gépi feldolgozás lehetővé teszi, hogy az egységesített tartalmat különböző megjelenítő eszközökre lehessen publikálni, de fordítva is igaz: a dokumentum tartalmának változásakor nem szükséges a megjelenítő réteg változtatása.

Hivatkozások Coedu tudásháló, E-tananyagfejlesztés, http://www.mss.hu/mss/alpha?do=15&pg=373&m443_doc=613&m436_act=5&st=45 Nagy, E. 2008. Multimédia oktatóprogram az „Élelmiszeripari nyersanyagok” tárgy oktatásához, Multimédia az Oktatásban Konferencia, 2008. szeptember 25-26., Budapest Nemes, Gy., Csilléry, M. 2006. Kutatás az atipikus tanulási formák (távoktatás / e-learning) modelljeinek kifejlesztésére célcsoportonként, a modellek bevezetésére és alkalmazására, Nemzeti Fejlesztési Intézet, Budapest, p. 166, pp. 13-52. https://www.nive.hu/konyvtar/content/edoc/files/04_nemes.pdf Markója, Sz. 2005. A Felsőoktatási Digitális Tankönyvtár és a DocBook XML leíró nyelv, Könyvtári Figyelő, könyvtár és információtudományi szakfolyóirat, 51. évfolyam, 2005. 2. szám, pp. 34-45.

165


Korreláció-klaszterezés feladatának közelítő megoldása optimalizálási módszerekkel Aszalós László1, Bakó Mária 2

Összefoglaló: A korreláció-klaszterezés feladata előfordul természettudományi és társadalomtudományi problémák megoldása során is. Mivel a feladat NP teljes, így nagyméretű feladatoknál nem adhatjuk meg a pontos megoldást. Épp ezért közelítő módszereket alkalmazunk rá. Ebben a cikkben bemutatjuk, hogy az irodalomban jól ismert módszerek mennyire hatékonyak.

Kulcsszavak: korreláció-klaszterezés, optimalizálás

1. Bevezetés Korreláció-klaszterezés (Sumi 2009, Néda 2009) esetén adott egy G = (V,E) gráf, mely nem feltétlenül teljes gráf, és ennek a gráfnak az éleihez + és – szimbólumokat rendelünk. A + jelzi a hasonlóságot, míg a – az eltérést. A feladat egy olyan klaszterezése – partíciókra bontása – a gráf csúcsainak, melyben minimális az azonos klaszterbe eső csúcsok közti – jellel jelölt, és különböző klaszterbe eső csúcsok közti + jellel jelölt élek száma. Könnyen látható, hogy nem minden esetben érhető el, hogy csak klasztereken belül legyenek + jellel jelölt élek és csak különböző klaszterekhez tartozó csúcsokat kössenek össze a – jellel jelölt élek.

1.ábra. Gráf, melynek nem létezik tökéletes klaszterezése.

Tekintsük az 1. ábrán látható gráfot! A lehetséges klaszterezések összehasonlítására szükségünk van egy költségfüggvényre. Legyen MG a gráfhoz tartozó mátrix, melyben az mij értéke annak függvényében -1, 1 vagy 0, hogy az i és j közötti – él, + él található, vagy pedig nincs él (i, j G). Az 1. ábrán látható gráf mátrixa a 2. ábrán látható. M

1

2

3

1

0

1

1

2

1

0

-1

3

1

-1

0

2. ábra. Az előbbi ábrán szereplő gráf mátrixa

1

Debreceni Egyetem, Inforrmatikai kar [email protected] 2 Debreceni Egyetem, Gazdálkodástudományi és Vidékfejlesztési kar [email protected]

166


Továbbiakban a klaszterezést az f: {1, ..., n} → {1, ..., n} függvény segítségével határozzuk meg a következőképpen: i és j akkor, és csak akkor esik azonos klaszterbe, ha f(i) = f(j). A c(f,MG) költség függvény meghatározására a – képletet használjuk, ahol a  a Kronecker-féle delta szimbólum. Könnyű ellenőrizni, hogy ha a G gráf teljes, és nincs + él, minden az optimális klaszterezésben minden klaszter egyelemű halmaz. Fordítva, ha nincs él, akkor az optimális klaszterezés egyetlen halmazt tartalmaz, a V-t. Mindkét esetben a költségfüggvény értéke 0, ezért ezek klaszterezés tökéletes. Azonban tetszőleges G gráf esetében nem létezik tökéletes klaszterezés. Ha az 1. ábrán látható G gráfot vizsgáljuk, könnyű megállapítanunk, hogy nincs olyan klaszterezés, mely ne sértené meg valamelyik megszorítást. Az 1. táblázat tartalmazza ennek a gráfnak az összes lehetséges klaszterezését és a megfelelő költségfüggvény értékeket. Nyilvánvaló, hogy az optimális költségfüggvény érték akár több különböző klaszterezéshez is hozzátartozhat. Célunk, hogy megtaláljuk egy ilyen klaszterezést. Számos függvény jelölheti az azonos klasztereket. Ezért egy korlátozott növekedési sztring használatával normalizáljuk partíciókhoz tartozó függvényeket. Ez a jelölés egy kölcsönösen egyértelmű megfeleltetést biztosít a függvények és a klaszterezés között. Így például 1. táblázatban látható partíciókat rendsre a 000, 001, 010, 011 és 012 sztringekkel jelölhetjük. 1.

táblázat. Az előző ábrán látható gráf klaszterezései és hozzá tartozó költségfüggvény értékek

klaszterezés

költségfüggvény értéke

{{1},{2},{3}}

2

{{1, 2},{3}}

1

{{1, 3},{2}}

1

{{1},{2, 3}}

3

{{1, 2, 3}}

1

A lehetséges klaszterezések számát, azaz a V halmaz különféle partícionálásainak számát a Bell szám adja meg. A Bell számokra ismert az alábbi rekurzív képlet képlet B0 = B1=1 és Bn=

Bk.

A későbbiekben 500 csúcsból álló gráffal szeretnénk dolgozni, de B500≈1,6·10844 nagyon nagy szám. A képletből látható, már viszonylag kis n értékekre sem lehetséges belátható időn belül megvizsgálni az összes esetet. Épp ezért a pontos optimum meghatározása helyett csak közelítő módszereket alkalmazhatunk, melyen nem adják meg feltétlenül az optimumot, ám viszonylag hozzá közeli eredményeket szolgáltatnak. A korreláció-klaszterezés diszkrét és véges feladat, így a kombinatorikus optimalizáláshoz tartozó megoldási módszerekkel próbáljuk megoldani. A módszerek összegyűjtésében, korreláció-klaszterezésre adaptálásában valamint az implementációban nagy segítséget nyújtottak a Debreceni Egyetem Informatika karának Fejletett keresőalgoritmusok tantárgy hallgatói 2010-ben és 2011-ben. Ezúton is köszönjük segítségüket.

2. Implementációs kérdések A költségfüggvény definíciójából látszik, hogy bonyolultsága O(n2). Miután megoldási módszereink jelentős része felhasználja a lokális keresést, így ismert a költségfüggvény értéke egy olyan szám n-es esetén, amely csak egy értékben különbözik az aktuálistól. Ekkor viszont O(n) bonyolultsággal meghatározható az eltérés, s vele együtt az új függvényérték is. A bonyolultságon nem javít, de a feldolgozó program sebességén igen, ha egyszerre több műveletet is végre tudunk hajtani. Ennek érdekében mind a mátrix, mint a szám n-es tárolására bitvektorokat és bitmátrixokat használunk fel. Mivel a mátrixunk 3 különféle értéket tartalmazhat, így egy-egy mező

167


értékét 2 bit írhatja le. A processzorok bitműveleteit szem előtt tartva a mátrixban szereplő pozitív és negatív értékeket külön tároljuk, így a 2. ábrán látható mátrixot két bitmátrixszal tárolhatjuk, ahogy az a 3. ábrán is látható. M− 1 2 3 M+ 1 2 3 1 0 0 0 1 0 1 1 2 0 0 1 2 1 0 0 3 0 1 0 3 1 0 0 3.ábra

A szám n-esek tárolásánál egy klasztert egy bitvektorral tároltunk: 1 jelzi, ha az adott indexű elem eleme a klaszternek és 0, ha nem. A klaszterezést a klaszterek bitvektoraiból összeálló bitmátrix ábrázolja, mint például a <0,1,1> klasztert a 6. ábrán látható bitmátrix. Itt a 0-val jelzett sorban található egyetlen 1 jelzi, hogy csak a legelső elemből áll ez a klaszter. A jelenleg általánosan használt processzorok 32 vagy akár 64 bites számokkal is tudnak bitműveleteket végrehajtani, így a program bizonyos lépéseit ilyen arányban tudjuk felgyorsítani. 1 0 0

0 1 0

0 1 0

4.ábra

3. Globális és lokális szélsőrtékek Kombinatorikus optimalizálás esetén felmerülő problémák nagy részénél igen sok a lokális szélsőértékek száma, így igen nehéz a globális szélsőértékeket megtalálni. Az teljesen reménytelen, hogy a célul kitűzött 500 csúcsú gráfok esetén meghatározzuk a lokális és globális szélsőértékek számát az esetek nagy száma miatt. Hogy megmutassuk a probléma bonyolultságát, generáltunk egy-egy 13 és 14 csúcsú gráfot. A Bell-számok képlete alapján ezeknek a gráfoknak 2,7 107, illetve 1,9 108 külünböző particionálásuk van. A kísérletben szereplő gráfok nem voltak teljes gráfok, 30 százaléka az éleknek törölve lett, ami a partíciók számát nem befolyásolta, de a költségfüggvény alakját elbonyolította. A gyakorlati életben előforduló gráfok sem teljes gráfok, ezért is foglalkozunk ilyen gráfokkal. Egy programmal meghatároztuk a gráfok összes partícionálását, és kiszámoltuk a hozzájuk tartozó költségfüggvény értékeket. Majd meghatároztuk a költségfüggvény minimumhelyeit. Az 5. ábra mutatja, hogy a véletlenszerűen generált gráfok esetén az összes állapotok hány százaléka lokális (local) illetve globális (global) minimum. Az ábra vízszintes tengelyén az szerepel, hogy a gráf éleink mekkora százaléka + jellel jelölt. Az ábráról leolvasható, hogy bizonyos esetekben egy globális minimumra gyakran tízezernyi lokális minimum is esik még ezeknél a kicsi gráfok esetén. Sőt az is látható, hogy a gráf méretének növekedésével a lokális minimumok száma is növekszik.

168


5. ábra. Lokális és globális minimumhelyek száma véletlenszerűen generált gráf esetén.

4. Hegymászó algoritmus és variánsai Az általunk a továbbiakban felsorolt módszereket részletesen ismerteti (Brownlee, 2011), ezért nem térünk ki a részletekre. A hegymászó algoritmus egy közismert és könnyen programozható módszer. Egy véletlen módon kiválasztott kezdőállapotból indulunk. Az aktuális állapot összes szomszédja esetén meg kell határozni a célfüggvény értékét. Ha ezen értékek között van jobb, mint az aktuális állapothoz tartozó, akkor a legjobb értékhez tartozó állapotba lépünk. Ha viszont ilyen nincs, akkor a módszer véget ér, mert találtunk egy lokális szélsőértékhelyet. Természetesen, ha a lokális szélsőértékek száma nagy a globális szélsőértékek számához viszonyítva, akkor kicsi az esély, hogy globális szélsőértékhez jussunk. Mivel minden egyes szomszédot meg kell vizsgálni, az Több módszerrel is gyorsíthatunk a hegymászó algoritmuson. Lehetőség van, hogy véletlenszerűen válasszunk egy i indexet és a0,…,an-1 esetén a hegymászó algoritmus lépését ai-re szűkítsük. A 7. ábra jelzi ennek a módszernek a hatékonyságát. Lehet látni, hogy a0,…,an-1 szám n-es esetén bármely ai helyett írhatunk 0 és n-1 közé eső számot, így összesen n2 esetünk lesz. Az eltérés meghatározásához szükséges lineáris bonyolultság miatt összességében O(n3) lesz egy-egy lépés bonyolultsága. n=500 esetén a köbös bonyolultság már igen költséges lenne. A 6. ábra mutatja a módszer eredményességét. Az ábrán az kísérletek során kapott maximális méretű klaszter méretét ábrázoljuk. Mivel minden esetben több kísérletet hajtottunk végre, az ábrán jelöljük a minimális, a maximális és az átlagos méretét a maximális klaszternek. A végtelen nagy mátrixra érvényes elméleti határfüggvény q=50%-ig a 0 szinten marad, és e fölött hirtelen átcsap a felső értékre. E cikkben szereplő kísérleteket n=200 esetén hajtottuk végre, ezért látható az ábrán ez a szám. Az eredeti hegymászó algoritmussal kapott értéket az original jelzi. Mivel ez a módszer igen könnyen elakad egy lokális minimumhelyen, javítása az eredeti algoritmusnak az, hogy az elakadás helyétől kicsit elmozdítjuk, és innen újra kezdjük a hegymászó keresést. Ezt még párszor megismételjük. A módszer paramétere lesz e „kicsi”, valamint az ismétlések száma. Ha a kicsi túl kicsi, akkor ugyanabba a pontba jutunk újra meg újra, ha viszont nagy, akkor egyáltalán nem használjuk fel az előző keresések eredményét. Így ennek, és a másik paraméternek a meghatározása is kihívást jelenthet. Látható, hogy esetünkben ez a módszer (iterated) egy leheletnyit jobban teljesített, mint az eredeti (original). Van a módszernek egy további változata is, amikor nem egy, hanem egyszerre m hegymászó keresést végzünk párhuzamosan. Ezek mindegyike egy lokális minimumhelyen elakad. Ekkor ezeket a megoldásokat kombináljuk (keresztezzük a genetikus módszereknél használatos módszerekkel), majd

169


ezekből a pontokból újraindítjuk a keresést. Ezt az újraindítást még párszor megismételjük. A egymással párhuzamos keresések a műveletigényt lineáris bonyolultsággal növelik, de ez a rész párhuzamosítható. A keresztezés módja, az m értéke, és az újraindítások száma mind paramétere lesz a módszernek (scatter), ám helyes megválasztásával igen jól megközelíthetjük az optimális megoldást, ahogy az a 6. ábrán látszik.

6. ábra. Hegymászó algoritmus és variánsai.

Több módszerrel is gyorsíthatunk a hegymászó algoritmuson. Lehetőség van, hogy véletlenszerűen válasszunk egy i indexet és a0,…,an-1 esetén a hegymászó algoritmus lépését ai-re szűkítsük. A 7. ábra jelzi ennek a módszernek a hatékonyságát. Lehet látni, hogy ekkor az alap algoritmus, valamint az iterált verziója igen gyengén teljesít, egyedül a scatter variáns mutat az előbbihez hasonló eredményt.

7. ábra

A véletlent duplán is felhasználhatjuk: véletlenszerűen választunk egy i indexet és v értéket, és a a0,…,an-1-hez tartozó költségfüggvény értéket összehasonlítjuk a a0,…,ai-1,v,ai+1,..an-1-hez tartozó költségfüggvény értékkel. Ha adott k lépésen belül nem találunk jobb értéket, akkor a0,…,an-1-t

170


lokális minimumnak tekintjük és vége az algoritmusnak, ellenkező esetben a a0,…,ai-1,v,ai+1,..an-1 pontból folytatjuk az algoritmust. Az eredmények a 8. ábrán láthatónál is gyengébb eredményeket adtak.

8. ábra. Dupla véletlen értékkel gyorsított hegymászó algoritmus.

Általunk sztochasztikus hegymászó módszernek nevezett (amit az irodalomban két különböző módszerre is alkalmaznak) módszer abban különbözik a hagyományos hegymászó kereséstől, hogy az a0…,ai-1,v,ai+1,an-1 állapotba nem akkor lépünk, ha ez a legjobb szomszédja az a0,…an-1 állapotnak. Hanem ennek a lépésnek a valószínűsége arányos az f(a0,…an-1)-f(a0…,ai-1,v,ai+1,an-1) értékkel, feltéve, ha ez pozitív. Mivel itt is minden egyes szomszédot megvizsgálunk, mint a hagyományos hegymászó algoritmusnál, a bonyolultság közel azonos, csak a függvényértékek különbségével arányos lépés kiválasztása a plusz feladat. Ha ezeket a különbségeket akkumulálva tároljuk, akkor bináris kereséssel megtalálhatjuk a megfelelő lépést, így a teljes bonyolultság O(n3+2 log n)= O(n3). Mivel pontosan ugyanazokat a szomszédokat vizsgáljuk meg egy lépésben, mint a hagyományos esetben, úgy gondolhatjuk, hogy a módszer eredményessége is ugyanaz. A kísérleteink azonban mást mutatnak, ahogy az a 9. ábrán is látható. Csupán arra gondolhatunk, hogy a hagyományos módszer egyenesen halad a legközelebbi lokális szélsőérték felé, míg a sztochasztikus változat csupán közelebb lép, így megvan az esélye, hogy a döntést későbbre halassza, s ezzel végül egy jobb állapotba jusson.

171


9. ábra

5. Rovarraj módszerek A rovarraj módszert alapvetően folytonos értékekkel leírható problémákra alkalmazzák. Minden egyes rovar ismeri a saját eddigi legjobb, valamint a raj eddigi legjobb pozícióját. A rovar kezdetben véletlen irányú sebességét e két pozícióba mutató irányú, aktuális távolsággal arányos, véletlen értékkel változtatjuk. Így lehetővé válik az aktuális pozíció környezetének felfedezése, valamint a jónak tekintett pontok megközelítése. Az adott feladathoz tartozó paraméterek megválasztása a kutatások jelenlegi tárgya. A méhek algoritmusa 2005-től eredeztethető (Pham, 2006). Az algoritmus próbálja a méhek társadalmát utánozni. Ehhez két típusú méhet különböztetünk meg: a kereső méheket, és a mézhordókat. A kereső méhek felderítik a környezetet, majd tánc formájában beszámolnak eredményeikről a kaptárnak. Ennek megfelelő mennyiségű mézhordó indul el, és takarítja be a termést. Esetünkben a keresőméheket szétszórjuk a keresési térben, és csak a legjobb függvényértékkel rendelkezőkhöz (elit) rendelünk mézhordókat, arányosan a függvényértékkel. A többi kereső tovább bolyong a keresési térben, és az általuk elfoglalt hely költségfüggvénytől függően dinamikusan változik, hogy melyek tartoznak az elithez, és melyiket mennyi méh követi. A mézhordók a számukra kirendelt keresőméh körül mozognak, és ha jobb függvényértéket találnak, akkor a keresőméh ide lép. A 10. ábrán láthatóak eme módszerek eredményei. Mint látható, egyedül a méhek algoritmusával sikerült használható eredményt kapni, de itt is javításokra van még szükség.

172


10. ábra

6. Minimális konfliktusok módszere A minimális konfliktusok módszere a mesterséges intelligenciában egy jól működő módszer (Minton 1990). Bár alapvetően kényszer kielégítési problémára lett megfogalmazva, átfogalmazhatjuk a mi feladatunkra is, ha a célfüggvényérték az egyes dimenziókhoz tartozó konfliktusokból áll össze. A módszer egy lépése a következő: kiválasztjuk azt a szűkített környezetet, amelyhez jelenleg a maximális konfliktus tartozik. Majd megvizsgáljuk, hogy a szűkített környezetben melyik értékhez tartozik minimális konfliktus. Ezt a lépést addig folytatjuk, amíg csökkenteni tudjuk a konfliktusok számát, azaz a célfüggvény értékét. Ha valamely feladatban n szűkített környezet van, és mindegyik m elemmel rendelkezik, akkor a hegymászó keresés esetén O(nm) egy lépés bonyolultsága. Minimális konfliktus esetén O(n) a bonyolultsága annak, hogy a környezetek közül kiválasszuk a legtöbb konfliktust tartalmazót; és O(m) annak, hogy a környezeten belül kiválasszuk az optimális (minimális) elemet. Emiatt az algoritmus gyors, de ahogy a 11. ábrán látható, nem ad önmagában használható eredményt.

11. ábra

173


7. Kereszt-entrópia A kereszt-entrópia módszer kakukktojás abban az értelemben, hogy ez nem igazán eredeztethető a természetből. A paramétereket úgy próbáljuk megválasztani, hogy a ritka események igen nagy valószínűséggel forduljanak elő. Ehhez véletlenszerűen generálunk egy véletlen kezdeti sokaságot a paramétereink alapján, majd a paramétereket a legjobb egyedek alapján határozzuk meg, és kezdődik minden elölről. Ha már a sokaság csak egymáshoz igen hasonló elemekből áll, akkor megállunk. Noha a módszer alapvetően folytonos esetre lett kidolgozva, bináris kódolással diszkrét esetre is átfogalmazható. És ahogy a 12. ábra mutatja, nem is teljesít rosszul.

12. ábra

8. Harmónia keresés A harmónia keresés 2001-ig vezethető vissza (Geem, 2009). Itt a korábbiaktól eltérően nem a biológiából származó ötletekre épül az algoritmus, hanem a zenéből merít, pontosabban a jazz az ösztönző. A zenészek ismernek sok jól hangzó harmóniát, mindegyikük kiválaszt egy-egy hangot ezekből, vagy improvizál. Fals hangzás esetén egyik-másik hangon kicsit változtatni kell. Idővel egyre jobban ismerik egymást, egyre jobb és jobb harmóniák születnek. A zenészeknek a szám n-esünk egyegy ai értéke felel meg. Szükséges egy n-esek tárolója, melybe a legjobb költségfüggvénnyel rendelkezőek kerülnek be. Ezekből kell választani, vagy véletlenszerűen új értékeket generálni.

174


13. ábra

9. Összefoglalás A korrelációs klaszterezés egy bonyolult feladat nagy gráfok esetén. A cikkben ismertettünk vázlatosan néhány módszert, és megmutattuk, hogy mennyire sikeresen tudtuk alkalmazni ezeket a korrelációs klaszterezés feladatára. A módszerek nagy része igen szabadon paraméterezhető, így az optimális kombináció meghatározása további kutatásokat igényel.

Hivatkozások Brownlee, Jason. 2011. Clever algorithms: nature-inspired programming recipes. Lulu Com. Geem, Zong Woo, ed. 2009. Music-Inspired Harmony Search Algorithm: Theory and Applications. 1st ed. Springer. Minton, S., M. D. Johnston, A. B. Philips, and P. Laird. 1990. “Solving Large-scale Constraint Satisfaction and Scheduling Problems Using a Heuristic Repair Method.” In Proceedings of the Eighth National Conference on Artificial Intelligence, 17–24. https://www.aaai.org/Library/AAAI/1990/aaai90-003.php. Néda, Z, R Sumi, M Ercsey-Ravasz, M Varga, B Molnár, and Gy Cseh. 2009. “Correlation Clustering on Networks.” Journal of Physics A: Mathematical and Theoretical 42 (34) (August 28): 345003. doi:10.1088/17518113/42/34/345003. Pham, D. T., A. Ghanbarzadeh, E. Koc, S. Otri, S. Rahim, and M. Zaidi. 2006. “The Bees Algorithm–a Novel Tool for Complex Optimisation Problems.” In Proceedings of IPROMS 2006 Conference, 454–461. http://people.stfx.ca/x2010/x2010oxr/3.pdf.

175


Az élelmiszer kereskedők tapasztalatai a fogyasztók egészség-és környezettudatosságáról The Experience of Food Retailers about Consumers' Health and Environmental Awareness Brávácz Ibolya1

Abstract: Today issues like enviromental protection, healthy diet, quality assurance of food and consumer protection are attracting more and more publicity.The role of ecological consumer protection is constantly growing in Hungary, with ultimate targetting that conscious consumption will play important role in consumers values.Our study mainly targets one element of this topic: consumers’ priorities in foodstuff markets, exploring trends with respect to health and environmental consciousness.We made nationwide primary research in June 2009, the main results are published in this study. The two main elements of the research: - health consciusness, importance of health, survey and assessment of its extent and method - enviromental consciousness, motivations of consumers to protect environment when purchasing foodstuff. Our target is to assertain the place and role of these elements in our foodstuff consumption. We made new exploration in May 2011 surveying the experience of retailers about the conscious foodstuff purchasing of the population. The survey was carried out in 220 retail shops of Budapest and we wish to present the latest results in the conference. Keywords: consumer habit, health consciousness, environmental consciousness, environmental protection, cluster analysis

Összefoglaló: Napjainkban egyre nagyobb nyilvánosságot kap a környezetvédelem, az egészséges táplálkozás, az élelmiszerek minőségbiztosítása, és a fogyasztóvédelem. Felértékelődött a szerepe a hitelességnek, a bizalomnak illetve a fogyasztók tudatosságának, a fogyasztók érdekvédelmi szerveződéseinek. Észlelhető, hogy hazánkban is nő az ökológiai fogyasztóvédelem szerepe, aminek célja, hogy a fogyasztók értékrendjébe beépüljön a fenntartható fejlődést biztosító önkorlátozás. A fogyasztói felelősség mértékének és területeinek körvonalazása érdekében egy többlépcsős adatfelvételt kezdtünk 2008ban, melyet egy országos, fogyasztói, primer, kérdőíves megkérdezés követett 2009. júniusában. A kutatás fő területei: - az egészségtudatosság, az egészség figyelembevétele, mértékének és módjának feltérképezése, valamint - a környezettudatosság, azaz a környezet megóvása iránti szándékok körvonalazása az élelmiszerek vásárlása során. A kutatás-sorozat legfrissebb eredményeit szeretnénk a konferencián ismertetni, mely 220 budapesti kiskereskedelmi egységek vezetőinek, dolgozóinak a tapasztalatait és attitűdjeit vizsgálta, 2011. májusában.. Az adatfelvétel egy kvantitatív, szóbeli, kérdőíves megkérdezés keretében zajlott 2011. májusában. Kulcsszavak: fogyasztói klaszteranalízis

magatartás,

egészségtudatosság,

környezettudatosság,

környezetvédelem,

1. Bevezetés Napjainkban egyre több szó esik az egészségről és az egészséges környezetről. Egészségi állapotunk nagyban befolyásolja életminőségünket, kilátásainkat, de ma már munkaerőpiaci helyzetünket is. Ezért egyre inkább előtérbe kerül az egészségtudatosság kérdése. Adam Smith óta tudjuk, hogy a piacokat mozgató „láthatatlan kéz” előbb-utóbb segít a vállalatoknak, hogy rátaláljanak a fogyasztói igényekre. És ez nemcsak a kereslet és kínálat egyensúlyára igaz, hanem a piacon megjelenő termékekre is: egy idő után a piac minden szereplője követi a fogyasztói elvárásokat. A piacon lévő cégek versenyelőnye szempontjából azonban a legfontosabb kérdés: kinek sikerül ezt előbb megtennie. A vállalatok tehát igyekeznek egyre inkább a fogyasztók igényeinek megfelelő termékeket kifejleszteni és egyre célzottabb kommunikációt Budapesti Gazdasági Főiskola-KVIK [email protected] 1

176


kidolgozni. Azonban ezen területen nem csak a gyártó-forgalmazó cégeknek van felelősségük, hanem a fogyasztóknak is. A kutatássorozatunk elsősorban a vásárlókat vizsgálja, de kíváncsiak voltunk a „másik oldalra” ( a kínálati oldalra) is. Ezért végeztük el 2011. májusában 220 budapesti élelmiszert forgalmazó kiskereskedelmi üzlet vizsgálatát, ahol a fogyasztói tudatosság mértékével, a kiskereskedelmi egységek beszerzési politikájával illetve a kutatásban résztvevő kiskereskedők egészség és környezettudatos attitűdjeivel is foglalkoztunk.

2. 2. Anyag és módszer A budapesti primer, kérdőíves kutatást 2011. májusában végeztük el 220 kiskereskedelmi egység vezetőinek, alkalmazottjainak megkérdezésével, egyben ez a minta nagysága is. Az budapesti üzletek kiválasztásának egyetlen feltétele volt, hogy a kiskereskedelmi egység élelmiszert (is) forgalmazzon. Az adatfelvételek sztenderd kérdőívvel, személyes interjúkkal, a megkérdezettek üzlethelységeiben készültek A kérdéssorok megválaszolása kb. 15-20 percet vett igénybe, a személyes adatokkal együtt 27 kérdés szerepelt a strukturált kérdőíven. Ezek többsége skálás kérdés volt, de a megkérdezettek saját véleményének felmérésére 5 nyitott kérdést használtunk. A kapott adatokat SPSS matematikai-statisztikai programmal elemeztük. Egy- és többváltozós elemzéseket végeztünk el. A kiértékelés során a skála jellegű kérdéseknél átlagokat és százalékos arányokat egyaránt számítottunk, illetve százalékos formában, kereszttáblázatok segítségével dolgoztuk fel az adatokat. Az értékelés során leíró (minimum, maximum, átlag, szórás, megoszlás) statisztikai számításokat is végeztünk. Szignifikancia-vizsgálataink során p=5% tévedési valószínűséget engedtünk meg.

3. Eredmények és értékelésük 3.1. Az egészség-magatartásról „Az egészség, mint érték egyre kevésbé csak elvont fogalom, hanem inkább olyan terület, amely esetében saját felelősségünk növekvő. Az egészséggel kapcsolatos ismeretek iránt többen érdeklődnek, többet hajlandók tenni az emberek az egészségükért.”… „Az emberek egy része tehát- és ez egy növekvő részarányú csoport- hajlandó anyagi áldozatra, tudásba való befektetésre, energia- és pénzráfordításra egészsége megörzéséért.” (TÖRŐCSIK, 2007) Az egészség-magatartás minden olyan viselkedés, amely hatással lehet az egészségünkre, amíg egészségesek vagyunk (BAUM, KRANTZ és GATCHEL,1997). Mások szerint (HARRIS és GUTEN, 1979) az egészségmagatartás minden olyan cselekvés, amelyet a személy azzal a céllal végez, hogy védje, elősegítse, vagy fenntartsa egészségét függetlenül az általa észlelt egészségi állapottól, és attól, hogy az adott viselkedés objektíven hatékony-e. Az egészség-magatartás összetevőit láthatjuk az 1. ábrán.

1. ábra. Az egészség-magatartás alkotóelemei (Harris és Guten 1979.)

177


Az egészségmagatartásnak két elkülönülő formáját írta le MATARAZZO (1984). Az első a kockázati vagy egészségrizikó magatartás (patogén magatartás) : egészségtelen táplálkozás, dohányzás, túlzott alkohol fogyasztás, stb. A másik az ún. preventív egészségmagatartás (immunogén viselkedés): aktív, tudatos cselekedetek tartoznak ide, mely kutatásom fő vonulata.

3.1. A hazai és budapesti kiskereskedelemről A tavalyi évben a gazdasági növekedés megindulásával a kiskereskedelemben is megfigyelhető a konszolidációs folyamat. Az országos kiskereskedelmi üzlethálózatban, valamint a csomagküldő kiskereskedelemben 2011. májusban 646 milliárd forint értékű árut forgalmaztak, amely folyó áron 1,3 milliárd forinttal haladja meg az áprilisi, 45 milliárd forinttal pedig az előző év májusi adatot – áll a KSH gyorsjelentésében. A kiskereskedelmi eladások értékében 45 százaléka volt az élelmiszer és élelmiszer jellegű vegyes, 19 százalék az üzemanyag-, 12 százalék a bútor-, háztartásicikk-, építőanyag-kiskereskedelmi üzletek részesedése; a többi üzlettípus együttes részesedése 24 százalék volt 2011 első öt hónapjában A következő táblázat mutatja (1. táblázat), hogy az élelmiszer kiskereskedelemnek milyen jelentősége van hazánkban, a legnagyobb arányban van jelen. 1. táblázat. Országos kiskereskedelmi forgalom főbb árucsoportonkénti megoszlása - részlet Árucsoport 2010. évi 2011. I. negyedévi %-os megoszlás %-os megoszlás Élelmiszer 24,87 26,30 Alkoholtartalmú ital 3,49 3,23 Alkoholmentes ital 2,79 2,88 Kávé 0,83 0,90 Dohányáru 3,39 3,77 Forrás: KSH, 2011 Az előző év azonos időszakához képest az élelmiszer- és élelmiszer jellegű vegyes kiskereskedelmi forgalom volumene 2011 májusában és az első öt hónapban összességében stagnált. A forgalom jelentős részét (90 százalékát) lebonyolító vegyes termékkörű üzletek (hiper- és szpermarketek, vegyesboltok) eladásai májusban lényegében szintén nem változtak. A Nielsen felméréséből látható, hogy a nagyobb eladótérrel (200 m² feletti ) rendelkező üzletek száma növekedett jelentősebben, míg a kisebb méretű üzletek száma csökkent (2. táblázat). 2. táblázat. Az általános élelmiszerüzletek száma, az eladótér nagysága szerinti csoportosításban, Magyarországon Boltméret 1999 2004 2008 2010 2500 m² felett 24 77 137 166 401-2500 m² 657 753 1 007 1 103 201-400 m² 919 879 805 834 51-200 m² 5 777 6 936 6 593 6 355 50 m² alatt 17 859 15 310 11 393 11 111 Összesen 25 236 23 955 19 935 19 569 Forrás: Nielsen piackutató vállalat (2011.) A kereskedelmi csatornák közül 2010-ben a legnagyobb forgalom növekedést a hipermarketek és a kisbolt-láncok érték el hazánkban. Mindkettő esetében a vásárlási intenzitás, vagyis a háztartások éves átlagos költése növekedett jelentősen (GfK Hungária). A kutatásunk Budapesthez kötődik, így néhány fontosabb kereskedelmi adat a fővárosról: Budapesten a kiskereskedelem forgalma 2010-ben 1.721.271 millióFt volt összesen, a kiskereskedelmi üzletek száma 2009. december 31-én pedig 31.327 darab, melyek átlagos alapterülete 111 m². 2011. március 31-én az előző évi azonos időszakhoz képest a budapesti kiskereskedelmi forgalom 3,7 százalékkal nőtt (KSH), míg országos szinten a forgalom inkább stagnált.

178


3.2. A primer kutatatás A társadalmi felelősségvállalással, az etikus magatartással, az egészség-és környezettudatossággal kapcsolatos kérdések egyre nagyobb teret kapnak a médiában, a termékek megbízhatóságát és nyomon követhetőségét szabályzó előírások pedig szigorodnak. Mindez a kereskedőket arra ösztönzi/ösztönözheti, hogy a marketingüzenetük már ne csak árra fókuszáljon. Annál is inkább, mert a fogyasztók a gazdaság állapotának javulásával az ár helyett egyre nagyobb hangsúlyt szentelnek ezeknek a tényezőknek. Bár a mostani és korábbi kutatásaink során is kiderült, hogy az ár, döntő szerepű a hazai fogyasztók élelmiszer vásárlásai során.

3.2.1. A vizsgált kiskereskedelmi üzletek Mind a 220 kiskereskedelmi üzlet Budapest területén található és mindegyik forgalmaz élelmiszert (2. ábra)

2. ábra. A budapesti vizsgált üzletek megoszlása (%) kerületenként Ami még fontos információ a mintával kapcsolatban a kiskereskedelmi egységek gyakorisága márkanevük/nevük szerint (3. táblázat). Jól látható, hogy a láncokhoz nem tartozó, független ún. kiskereskedelmi üzletek vannak a legnagyobb arányban a mintánkban (61,8%). 3. táblázat. A vizsgált üzletek megoszlása Üzlet neve Gyakoriság Megoszlása (db) % - ban Kiskereskedelmi üzlet

136

61,8

Spar

12

5,5

Reál

13

5,9

CBA

27

12,3

Tesco

7

3,2

Coop

5

2,3

Auchan

2

0,9

Egyéb lánc

14

6,4

Lidl

4

1,8

Total

220

100,0

179


A válaszadók 49,5 százaléka üzletvezető, 13,2 százalékuk üzletvezető helyettes, a többiek többségében eladók illetve pénztárosok. A megkérdezettek nemek szerinti megoszlása 67,3 százalékuk nő, 32,7 százalékuk férfi volt. A kereskedelemben eltöltött átlagos idő 14 év ( a szórása 9,5 év).

3.2.2. A kiskereskedelmi egységek az egészség – és környezettudatosságról A kérdőív egyik kérdése 15 állítást tartalmazott a megkérdezettek kiskereskedelmi üzletéről, az egészséges táplálkozás és a környezet védelmének szem előtt tartásával kapcsolatos beszerzési döntéseikről. 1-5-ig terjedő skálán kellett értékelniük az üzlet tevékenységét, az 1-es egyáltalán nem igaz, az 5-ös teljes mértékben igaz az üzletpolitikájukra. Néhány érdekes eredményt ismertetnénk ezekből. Ami a legmagasabb átlagot kapta az, hogy a beszerzéseik során folyamatosan a vásárlók igényeit veszik figyelembe (4,31), ezt követte 4,05 –os átlaggal, hogy hűek a boltok a gyártóikhoz, majd 3,93as átlaggal, hogy egyre több magyar élelmiszert forgalmaznak, magas átlagot kapott még, hogy a környezet védelmét szem előtt tartják munkájuk során (3,75). Legkevésbé igaz a megkérdezettekre a kereskedelmi márkák szerepe (2,97), mivel a legtöbb megkérdezett üzlet, nem is tart/tarthat készleten belőlük, illetve az olcsó élelmiszerek készleten tartása is gyengébb átlagot kapott (3,05). Egy másik érdekes kérdésre volt, hogy véleménye szerint a vásárlóik hány százaléka figyel az egészséges táplálkozásra, és hány százaléka a környezet védelmére. A válaszok eredménye olvasható a következő táblázatban (4. táblázat). 4. táblázat. A vásárlóik aránya az egészséges táplálkozás és a környezet védelme szerint, üzletenként és átlagosan (%-ban) Üzlet neve

Egészséges táplálkozók %-a

Környezetvédők %-a

Kisker_üzlet

35,66

28,59

Spar

30,42

29,58

Reál

34,62

31,00

CBA

34,44

29,81

Tesco

27,86

23,86

Coop

28,00

27,00

Auchan

15,00

12,50

Egyéb lánc

27,50

17,50

Lidl

43,75

42,50

Átlag

34,18

28,15

A válaszadók véleménye alapján a Budapesten élelmiszert vásárlók 34,18 százaléka figyel az egészséges táplálkozásra, és 28,15 százalékuk a környezet védelmére. A kapott adatok alapján a Lidlben (is) vásárolnak leginkább azok, akiknek fontos, hogy az egészségüket védő élelmiszereket vásároljanak, miközben a környezet védelme is fontos számukra. A leggyengébb adatot az Auchan vásárlóira kaptunk, de a mintában csupán két alkalmazottjuk véleménye szerepel, így torz is lehet ez. A következő kérdésnél rangsort kellett felállítania a válaszadónak (1-5-ig) arról, hogy a vevői számára mi a fontossági sorrend élelmiszer vásárlásai során (5.táblázat). Természetesen az ár lett a legfontosabb 71,8 százalékuk jelölte első helyre, ezt követi a minőség 18,6 százalék szerint szerepelt az első helyen, majd a márkanév következik és a végén hasonló eredménnyel a termék eredete és az egészségvédelem az utolsó helyen. Az egészségtudatos élelmiszervásárlás szempontjából nagyon rossz

180


eredmény ez, mindössze a megkérdezettek 2,7 százaléka jelölte legfontosabb szempontként, és ezek jellemzően bioboltok voltak. 5. táblázat. A fogyasztók fontossági sorrendje (átlagok) termék ára termék eredete

termék minősége

márkanév

egészségvédelem

NVálaszadó

218

219

219

219

219

Átlag

1,50

3,84

2,27

3,45

3,94

3.2.3. A kereskedők véleménye az erősen tudatos és a nem egészségtudatos vásárlóikról Kutatásunk során szerettük volna részletesen megtudni, hogy kik azok a vevők, akik erősen egészség-és környezettudatosak és kik azok akiket ez hidegen hagy. Nehéz feladat ez, hiszen a mai felgyorsult, gépesített világban az emberek nem igazán kommunikálnak a kereskedőkkel, az önkiszolgáló értékesítési módban működő szuper –és hipermarketekben lényegében nincs is eladó, nem szükséges a véleményük, mint a klasszikus értelemben vett boltok esetében. Rá kellett a jönnünk a kérdőív tesztelése során, hogy manapság a kereskedő és a vevő között ritkán alakul ki mélyebb kommunikáció, így az eladó nem igazán tudja, hogy ki is a vevője, milyen attitűdjei vannak a termékekkel kapcsolatban Azért nem adtuk fel és a két végletre, az erősen és az alacsonyan tudatos vevők jellemzőire rákérdeztünk (röviden). Az erősen egészségtudatos vásárlók 95,5 százalékuk szerint inkább a nők, 73,6 százalékuk jelölte, hogy inkább középkorúak (31-45 év közöttiek), és ami kissé meglepő adat, hogy csak az 55,3 százalékuk szerint rendelkeznek magas jövedelemmel, 42,9 százalékuk szerint nem szükséges hozzá magas jövedelem, elegendő az átlagos is. Az erősen tudatos vevő kedvenc élelmiszer márkái: Danone, Flóra, Floriol, Szentkirályi, Győri, Hohes-C és még sorolhatnánk a marketingkommunikációs eszközökkel „ erősen megtámogatott” márkaneveket. Keresik a bio és a hazai termékeket. Nyitott kérdésre kapott válaszok alapján, jól informáltak, tanultabbak, kevésbé árérzékenyek, válogatós, trendi, márkahű, céltudatosak, sportosak, kiegyensúlyozottak, megfontoltabban és figyelmesebben vásárolnak – a válaszadó kereskedők szerint. Az alacsonyan vagy nem egészségtudatos vevők a válaszadók 90,9 százaléka szerint inkább férfiak, a koruk alapján elsősorban a fiatalok, a 18-30 év közöttiek 45,5 százalékuk szerint a másik korcsoport a 46-60 év közöttiek 31,4 százalékos aránnyal. A kereskedők véleménye szerint "csak" az 53,4 százalékuknak alacsony a jövedelme, míg 46,1 százalékuk szerint átlagjövedelemmel rendelkeznek. Ez is azt mutatja, hogy a kereskedelemben dolgozók jól érzékelik, hogy az egészséges táplálkozás a 21. században már nem csak a tehetősebbek privilégiuma. Az alacsonyan tudatos vásárlók preferált márkái a nagy üdítőitalgyártók, neves sör márkák és a kereskedelmi márkák is szerepeltek. A válaszadók szabadon sorolhatták fel a jellemzőiket, melyek között gyakran szerepelt az árérzékenység, az elhízott, gyors vásárló, tájékozatlan, felelőtlen, igénytelen, dohányos és az alkoholista is.

3.2.4. A kereskedői attitűd A válaszadó kereskedők hozzáállására is kíváncsiak voltunk a témában így néhány kérdés az ő személyes érintettségüket vizsgálta. Saját tudatosságuk mértékére kérdeztünk rá. A következő eredményeket kaptuk.

181


6. táblázat. A válaszadók neme és a tudatosságuk mértékének megoszlása százalékosan Tudatosságának mértéke

Válaszadó neme

nem vagyok tudatos vásárló

átlagosan tudatos vevő vagyok

erősen tudatos vevő vagyok

férfi

12,5%

75,0%

12,5%

100,0%

nő

15,5% 14,5%

72,3% 73,2%

12,2% 12,3%

100,0% 100,0%

Összesen

Összesen

A korábbi kutatásaink során egyértelműen kimutatható volt, hogy a nők tudatosabb vásárlók, mint a férfiak, de ebben az esetben, amikor a férfiak maguk is kereskedők, úgy látszik nem lehet ezt kijelenteni. Az 6. táblázatból kitűnik, hogy a nők kicsit le is maradnak a férfiak mögött. 7. táblázat. A válaszadók kora és a tudatosságuk mértékének megoszlása százalékosan Tudatosságának mértéke

Válaszadó kora

Összesen

nem vagyok tudatos vásárló

átlagosan tudatos vevő vagyok

erősen tudatos vevő vagyok

Összesen

18-30 év közötti

8,3%

75,0%

16,7%

100,0%

31-49 év közötti

15,6%

73,4%

10,9%

100,0%

50 év feletti

18,2% 14,5%

70,5% 73,2%

11,4% 12,3%

100,0% 100,0%

A kereskedők kora alapján megállapítható (7. táblázat), hogy a 30 év alattiak között van a legtöbb erősen tudatos vásárló, míg az 50 év felettiek között vannak a legnagyobb arányban azok akiket nem igazán érdekel az egészséges táplálkozás. A következő kérdésre kapott válaszokkal a kereskedők attitűdjeit szerettük volna mérni egy 1-5-ig terjedő skálán. Az 1-es érték egyáltalán nem igaz a válaszadóra, míg az 5-ös maximálisan igaz rá. A következő táblázat (8. táblázat) összefoglalóan mutatja az állításokra kapott átlagokat. 8. táblázat. Válaszadók átlagai a következő állításokra Állítások Átlagok Sokkal jobban kellene figyelnem az egészséges táplálkozásra 3, 58 Több egészséget védő élelmiszert kellene vásárolnom 3, 65 Mindig egészségesen táplálkozom 2, 81 Élelmiszerek esetén márkahű vagyok 3,24 Az élelmiszer újdonságokra mindig nyitott vagyok 3,88 A hazai élelmiszereket előnyben részesítem 4,02 Igyekszem újrahasznosítható csomagolású termékeket venni 3,06 Gyakran vásárolok biotermékeket 2,28 Figyelem a környezetbarát emblémákat a termékeken 2,84 Visszaváltható csomagolású termékeket vásárolok 2,76 Sajnos a kapott átlagok nem túl jók, de őszinték. A legjobb átlagot a hazai termékek prioritása kapta, bár az üzletekben nem igazán érezhető, hogy a hazai termékek előnyben részesülnének. Minden esetre a kereskedők hozzáállása a magyar termékekhez biztató. Az is látható, hogy a biotermékeket, a környezetbarát emblémákat, a visszaváltható csomagolású termékeket még a kereskedők sem részesítik előnyben. Az egészséges táplálkozással kapcsolatban sem túl jó a helyzet, tudják a kereskedők is, hogy jobban kellene erre odafigyelniük.

182


Összefoglalás Kutatás-sorozatunk fő vonulata a fogyasztói magatartás vizsgálata a tudatos vásárlás területén, de érdemes volt egy kicsit a túloldalt, a kereskedőket, a kínálati oldalt is vizsgálni, hiszen kiderült, hogy az üzletben dolgozók is fogyasztóként gondolkodnak és nem figyelnek jobban – sajnos – az egészséges táplálkozásra, a környezet védelmére, mint a keresleti oldal, azaz a vásárlóik. A másik fontos tapasztalat, hogy a nagyobb üzletláncok és a kis, hagyományos élelmiszerüzletek között nagy a különbség ezen a területen is. Tudjuk, hogy a forgalom, a bevétel a legfontosabb szempont számukra, de jó, minőségi készlettel ösztönözhetőbbek lennének a hazai vásárlók is az egészségesebb táplálkozásra, a környezet fokozottabb védelmére. Vannak erre irányuló kezdeményezések, de ezeket még erősíteni, támogatni kellene a pénz mellett leginkább kommunikációs eszközökkel. A vizsgálat eredményeinek feldolgozása során rengeteg kérdés merült még fel. Érdemes lenne mélyebben is megvizsgálni a kereskedők attitűdjeit egy következő megkérdezéssel.

Hivatkozások Hofmeister- Tóth, Á. (2008): A fogyasztói magatartás alapjai, Aula Kiadó, Budapest Lewis D.-Bridger D. (2001): The Soul of the New Consumer, Nicholas Brealey Publishing, London Malhotra N.K. (2005): Marketingkutatás, Akadémia Kiadó, Budapest Sajtos L.- Mitev A. (2007): SPSS kutatási és adatelemzési kézikönyv, Alinea Kiadó, Budapest Szakály, Z. at all (2010): Marketing a hagyományos és tájjellegű élelmiszerek piacán, Kaposvári Egyetem, Kaposvár Törőcsik, M (2007): Vásárlói magatartás. Ember az élmény és a feladat között. Akadémiai Kiadó, Budapest Veres Z- Hoffmann M-Kozák Á (2009): Bevezetés a piackutatásba, Akadémia Kiadó, Budapest

183


Családi gazdaságok termék nyomon követésének megvalósíthatósága a Közvetlen Számítógépi Leképezés módszerének alkalmazásával Tankovics András

Abstract: Sector spanning traceability of actors in agrifood process networks has not been solved fully. Present work is an application of the studies, carried out by the Research Group on Process Informatics at Kaposvár University, based on the simplified dynamic mass balance of process networks. Considering the huge percentage of these small actors, first the data recording and reporting activity of small family farms were studied. Accordingly, the technological processes and data recording activities of these actors were analyzed. With the knowledge of the experiences a temporary data reporting system was developed that supports the recording of all data, necessary for the participation in the sector spanning traceability system. The suggested solution was convenient for tested family farms. The applied methodology proved to be feasible for the integration of the small family farms into the complex traceability system. Keywords: agrifood processes, traceability, family farm, Direct Computer Mapping Összefoglaló: Az agrifood folyamat hálózatok szereplőinek szektorok között átívelő nyomon követése jelenleg nem teljesen megoldott feladat. Munkámmal a Kaposvári Egyetem Folyamatinformatikai Kutató Csoportjának a folyamat hálózatok egyszerűsített dinamikus tömegmérlegeken alapuló vizsgálatára irányuló kutatásaihoz kapcsolódtam. Tanulmányoztam a hazánkban, nagy számban jelen levő családi gazdaságok számára előírt adatszolgáltatási kötelezettségeket. Megismertem a kis mezőgazdasági termelők munkafolyamatait, és a gyakorlatban alkalmazott adatrögzítési módszereit. Ezen információkat felhasználva kidolgoztam egy ideiglenes adatrögzítési megoldást, amely alkalmas ezen gazdaságok összes olyan adatának rögzítésére, amely szükséges a nyomon követési rendszerbe való csatlakozáshoz. Az adatszolgáltatási eljárás megvalósítása nem jelentett nehézséget az általam vizsgált gazdaságoknak. Megállapítottam, hogy az általunk alkalmazott metodika szerint megvalósítható a legkisebb szereplők komplex nyomon követési rendszerbe integrálása is. Kulcsszavak: agrár-élelmiszeripari folyamatok, nyomon követés, családi gazdaság, Közvetlen Számítógépi Leképezés

1. Bevezetés Több szabvány és rendelet foglalkozik a nyomon követés témakörével. Az ISO 9001:2000 szerint: „Képesség arra, hogy nyomon kövessék a múltját, az alkalmazását vagy a helyét annak, amiről szó van.” Az Európai Parlament és a Tanács 178/2002 2002. EK rendelete alapján: [I1] „Nyomon követhetőség: lehetőség arra, hogy nyomon követhető legyen egy élelmiszer, takarmány, élelmiszer előállítására szánt állat vagy olyan anyag, amely anyagot élelmiszer vagy takarmány előállításánál felhasználásra szánnak, illetve amelynél ez várható, a termelés, a feldolgozás és a forgalmazás minden szakaszában.” A nyomon követés alapja a termékazonosítás és tételazonosítás. A rendszer kapcsolatot teremt a termék és az ahhoz kapcsolódó információk között, megadja a termék életútját, összetevőit, adalékanyagait, melléktermékeit. A nyomon követést gyakran a teljes termékcikluson, hosszú és bonyolult élelmiszerláncokon keresztül kell biztosítani. Amennyiben a nyomon követés követelményeit a résztvevők egy része nem biztosítja, akkor a lánc megszakad, és kérdésessé válik a termék biztonsága. [I2] A nyomon követési egység (TRU = Traceable Resource Unit) egzakt fogalmát Kim alkotta meg. (Kim et al., 1995) A TRU egyedileg azonosítható és nyomon követhető nyersanyagokat, termékeket és termelést azonosít. A nyersanyagok és termékek elég kis egysége ahhoz, hogy követhető legyen, ugyanakkor elég nagy egysége ahhoz, hogy racionálisan lehessen követni. Belső nyomon követéssel a hatályos jogszabályok értelmében, elvileg minden agrifood vállalkozásnak rendelkeznie kell, függetlenül annak méretétől és tevékenységétől. Ennek értelmében a piacon áruló őstermelőknek, a több ezer hektáron gazdálkodó gazdasági társaságoknak és az óriási méretű élelmiszeripari cégeknek is követniük kell termékeik teljes útját egészen az eladásig vagy felhasználásig.

184


A legkomplexebb és legkevésbé megoldott feladat a szektorok között átívelő nyomon követés. Az agrifood hálózat összetettsége, valamint a különféle láncok különféle szereplőinek eltérő (heterogén) tulajdonságai teszik nehézzé az információ-áramlást a kezdő állapottól a végső felhasználóig. Schiefer (Schiefer, 2008) leírja, hogy az agrifood lánc összetettsége miatt az egyes szereplők egyedül nem tudják megoldani a teljes láncra kiterjedő nyomon követést. Véleménye szerint a piac valamennyi szereplőjének együtt kell működnie, és be kell lépnie a rendszer fejlesztésébe. Wolfert (Wolfert et al., 2010) munkájában megállapítja, hogy a szektorokon átívelő, ténylegesen működő rendszereket még nem fejlesztették ki. Az agrifood szektor nyomon követésére két teljesen különböző felfogás terjedt el. Az elsőben szabványos azonosítók segítségével lépésről lépésre haladunk a szereplők között, az „egy lépés előre, egy lépés hátra” elvén. A második megoldásban hatalmas központi adatbázisokat alakítanak ki, ahol a lánc összes résztvevőjének adatait tárolják. A két megközelítés mellett, középutas megoldás a Kaposvári Egyetem Folyamatinformatikai Kutatócsoportja által kidolgozott, a dinamikus tömegmérlegek nyomon követésén, valamint az ismert vagy becsült sztöchiometriai összefüggéseken alapuló megközelítés (Varga és Csukás, 2010; Varga et al., 2010; Csukás et al., 2011b). A nyomon követés legelső lépése az agrifood folyamatban résztvevő, növénytermesztéssel foglalkozó szereplő adatainak pontos rögzítése. Az elsődleges termelés fogalmát a 178/2002/EK rendelet 3. cikkének 17. pontja határozza meg: „Elsődleges termelés: elsődleges termékek előállítása, termesztése vagy tenyésztése, beleértve a termés betakarítását, a fejést és a haszonállat-tenyésztést az állatok levágásáig.” A 852/2004/EK rendelet I. melléklete A. részének I. 1. pontja [I3] az elsődleges termeléshez kapcsolódóan a növénytermesztésre vonatkozóan a következő műveletekre is kiterjed: Olyan növényi termékek előállítása, termelése vagy nevelése, mint a magvak, gyümölcsök, zöldségek és fűszernövények, valamint ezeknek a gazdaságon belül történő szállítása és tárolása, valamint e termékek kezelése, és valamely létesítménybe történő továbbszállítása. Más területeken egységes kódolási eljárásokat alkalmaznak a nyomon követés megvalósítására. Kialakultak olyan globálisan unikális kódolási eljárások és szabványok, mint például az EAN és az UCC gyökereire épülő GS1 rendszer [I4]. Célszerű lenne az agrár- és élelmiszer szektorokban is hasonló elveken alapuló szabványokat alkalmazni. A családi gazdaságokat a hazai irodalomban többféleképpen értelmezik. Az egyik értelmezés a 326/2001 [I5] Kormányrendelet alapján meghatározott jogi fogalom. A többi megközelítés nem ennyire lehatárolt, nem szabja meg a területi határokat, vagyontárgyakat, nem szükséges bennük a teljes foglalkoztatás sem. (Dobos, 2000; Tankovics, 2011)

2. Alkalmazott módszerek A Kaposvári Egyetem Folyamatinformatikai Kutatócsoportja által kifejlesztett, a szektorokon átívelő lánc modellezésére alkalmas rendszer a Csukás Béla által kialakított (Csukás, 1998; Csukás, 2000) és munkatársaival folyamatosan fejlesztett (Csukás et al., 2011a) közvetlen számítógépi leképezésen (DCM = Direct Computer Mapping) alapul. Ennek lényege, hogy a folyamatok valóságos elemeit és kapcsolatait olyan, opcionálisan önálló programokat (vagy program prototípusokra való hivatkozásokat) is tartalmazó dinamikus adatbázis elemekre képezzük le, amelyek egy általános mag (kernel) program segítségével autonóm módon segítik a különféle probléma megoldó algoritmusok működését. Az agrifood szektor vizsgálatára épített nyomon követési megoldás a hálózati kapcsolatok struktúráján alapuló kvalitatív nyomon követés mellett az egyszerűsített tömegmérlegek és sztöchiometriai jellemzők felhasználásával kvantitatív nyomon követést is biztosít. A tömegmérleg ugyanis célirányosan kiegészíthető a tömeggel együtt mozgó, éppen vizsgált komponensek terjedésének közelítő kiszámítását biztosító koncentrációkkal, és az ismert vagy becsült sztöchiometriákkal (Csukás et al., 2012). A gazdasági szereplők folyamathálózatba való beléptetésénél generálni kell a szóban forgó modell struktúráját és fel kell tölteni a megfelelő modell adatbázist. Az induló állapot statikusan is feltölthető, azonban ebben az esetben a követhetőség szempontjából csak hosszabb idő után alakul ki a rendszer

185


megfelelő „emlékezete”. Ez a probléma az előző időszak dinamikus adatainak a múltba is visszanyúló rögzítésével küszöbölhető ki. Az induló állapot rögzítését követően, a folytatólagos adatfeltöltés fázisában a szereplők a technológia jellegzetességeitől függően különböző időléptékkel és gyakorisággal, időről-időre megadják a tömegmozgással járó változásaikat, vételek, beszállítások, felhasználások, termelések, tárolások és eladások formájában.

3. Számítógépes vizsgálatok 3.1. Ideiglenes adatbekérő felület kidolgozása Jelen munkában egy tipikus családi gazdaságot vizsgálok, amely nem tagja az AKG-nek, nem vezeti a permetezési naplót és a táblatörzskönyvet sem. Termelési adataikat a „kockás füzetbe”, papír alapon dokumentálják. Első lépésem az általuk vezetett nyilvántartások megismerésére irányult. Papír alapú jegyzeteikből kitöltöttem a Gazdálkodási Naplót (GN) és a Táblatörzskönyvet. A táblázatok adatainak felhasználásával és a DCM alapelveit szem előtt tartva létrehoztam egy ideiglenes, Excel alapú adatbekérő felületet, amely tartalmaz minden adatot, ami szükséges a nyomon követés megvalósításához. 1. táblázat. Induló adatbekérő felület Parcella név MEPAR azonosító Terület Termesztett növény Másodvetésben termesztett Előző évi MEPAR azonosító Előző évi terület Anyagmozgással járó tevékenységek műtrágyázás - NPK 15-15-15 vetés növvédő kezelés - Devrinul növvédő kezelés - Command 48 CE növvédő kezelés - Reglon műtrágyázás - Linczi só 27% lombtrágyázás - Amargeroll növvédő kezelés - Champion 5dwp növvédő kezelés - Karate Zeon 5cs lombtrágyázás - Gömal multoleo növvédő kezelés - Match 050ec növvédő kezelés - Amistar TOP növvédő kezelés - Tolstar 10ec betakarítás

Parcella_3 r1qqw-v-08 3.6 Fűszerpaprika Kezdete 2010.04.15 2010.04.20 2010.04.27 2010.04.27 2010.05.02 2010.05.22 2010.06.02 2010.06.02 2010.06.02 2010.07.29 2010.07.29 2010.07.29 2010.08.10 2010.10.28

Vége 2010.04.15 2010.04.20 2010.04.27 2010.04.27 2010.05.02 2010.05.22 2010.06.02 2010.06.02 2010.06.02 2010.07.29 2010.07.29 2010.07.29 2010.08.10 2010.10.28

Inputok Mennyiség Me NPK 15-15-15 1800 kg Fűszerpaprika Kalorez 28.8 kg Devrinul 18 kg Command 48 CE 0.72 kg Linczi só 27% 1440 kg Reglon 18 kg Amargeroll 18 kg Champion 5dwp 9 kg Karate Zeon 5cs 1.08 kg Gömal multoleo 7.2 kg Match 050ec 1.44 kg Amistar TOP 2.7 kg Tolstar 10ec 0.72 kg

Outputok Mennyiség Fűszerpaprika Kalorez 34.92 t

Me

Fajlagos 500 8 5 0.2 400 5 5 2.5 0.3 2 0.4 0.75 0.2

Me kg/ha kg/ha kg/ha kg/ha kg/ha kg/ha kg/ha kg/ha kg/ha kg/ha kg/ha kg/ha kg/ha

Termésátlag Me 9.70 t/ha

3.2. Induló állapot létrehozása Az induló állapotot, azaz a 2009/2010-es gazdálkodási év adatait a gazdálkodóval együtt rögzítettük a táblázatba. Először a parcellák felvételére került sor, ahol az alábbi adatokat rögzítettük: parcella elnevezése, területe, MEPAR azonosító száma, parcella változás esetén MEPAR szám- és területváltozást, első- és másodvetésben termesztett növény. Ezután következtek a felhasznált nyersanyagok adatai, nevezetesen az, hogy mit, mennyit és mikor vásároltak. A vásárolt mennyiségek a következők voltak: vetőmag, műtrágya, növényvédő szer, lombtrágya. A felhasználások után következtek a megtermelt termékek adatai, nevezetesen, hogy mit, mennyit és mikor termeltek. A megtermelt termékek adatainak rögzítése után az eladói és vevői információkat, eladások és vételek mennyiségét, idejét dokumentáltuk. Az adatok felvétele során, a TRU fogalmát szem előtt tartva mindig a lehető legnagyobb, még egységesen kezelhető mennyiségeket választottam.

186


Az 1. táblázat az induló adtabekérő felület adattartalmát mutatja az első parcellára vonatkozóan. Rögzítésre kerültek a parcella adatai, az input és output mennyiségek, valamint az anyagmozgással járó tevékenységek. A felvett adatokat implementálásával futtattuk le a szimulációt a kiválasztott időszakra. A program a szimuláció során az általunk beállított időlépésenként (jelen esetben egy nap), végrehajtja a változásokat, amiket a kimeneteként szolgáló CSV fájlban rögzít. Ebben a táblázatban időzítve megtalálható az összes anyagmozgással járó tevékenység. Ezen adatokat felhasználva kirajzoltuk az anyagmozgással járó tevékenységek gráfját, valamint lehetőségünk nyílt egy esetleges szennyező anyag keletkezési helyének, illetve terjedésének a meghatározására. A 2. táblázat a CSV fájl egy részletét mutatja be. Megfigyelhető bent a parcellára bevitt anyagok tömeg növekedése és a paprika vetőmag mennyiségének csökkenése, ahogy naponta vetették el a 3., 4., 5., 6. parcellára. 2. táblázat. Szimulációs adatok

ido parcella_1 parcella_2 parcella_3 parcella_4 parcella_5 parcella_6 pap_vetomag 2010.04.20 3.42 2.52 1.8 1.235 1.5 0.965 0.088 2010.04.21 9.12 2.52 1.8288 1.235 1.5 0.965 0.0592 2010.04.22 9.12 2.52 1.8288 1.25476 1.5 0.965 0.03944 2010.04.23 9.12 2.52 1.8288 1.25476 1.524 0.965 0.01544 2010.04.24 9.12 2.52 1.8288 1.25476 1.524 0.98044 0.00000 2010.04.25 9.12 2.52 1.8288 1.25476 1.524 0.98044 0.00000 2010.04.26 9.12 2.52 1.8288 1.25476 1.524 0.98044 0.00000 2010.04.27 9.12 2.52 1.8288 1.25476 1.524 0.98044 0.00000 2010.04.28 9.124085 2.520006 1.84752 1.267604 1.5396 0.990476 0.00000 3.3 Folytatólagos adatrögzítés A folytatólagos adatrögzítésnél a 2010/2011-es gazdálkodási év adatait rögzítettük havi gyakorisággal, azt a szituációt modellezve, amikor a gazdálkodó például havonta közli az aktuális anyagárammal járó folyamat elemeket. Ennek során, minden hónap elején bekértem az előző hónap adatait a családtól. Az adatok szolgáltatása nem jelentett problémát a gazdálkodónak. A mezőgazdasági folyamatok jellegzetességeivel összhangban tavasszal és nyáron kell a legtöbb adatot és folyamatot rögzíteni. Ősszel kevesebb esemény van, télen pedig nincs anyagmozgással járó tevékenység a vizsgált gazdaságnál. 3.4 Teljes vizsgálat A teljes vizsgálat során mindkét gazdálkodási év adattartalmát vizsgáltam. Ezen vizsgálatok során megfigyelhetjük, hogy mikor, kitől és mennyi terméket vásárolt a gazdálkodó (1. ábra). A 2. ábra néhány parcellához tartozó anyag tömegének változását mutatja be, a kezdő pillanattól a szimuláció végéig. Érdekessége az ábrának, hogy a belépő tömegek mindig kevesebbek, mint a kilépők. Ennek az az oka, hogy a rendszerben csak az általunk bevitt anyagok szerepelnek. Nem számolunk jelenleg a környezetből felvett anyagokkal, a felvett vízzel, az átalakított széndioxiddal és a kibocsátott oxigénnel sem. A gazdálkodó eladásait a 3. ábrán ábrázolom. A vizsgált gazdaság nem rendelkezett saját tárolókkal, így a betakarított terményt azonnal értékesítették. A betakarítás és az eladás egyidejűsége jól megfigyelhető a 2.- és 3. ábrán. A 4. ábrán bemutatom egy parcella, folytatólagos adatrögzítéseit a teljes szimuláció idejére. Az októberi eseményeket kék színnel jelöltem. Megfigyelhető, hogy az előző gazdálkodási évben termesztett paprikát októberben, vagyis a második vizsgált évben takarították be. A februári eseményeket pirossal, az áprilisi változásokat zöld színnel, míg a májusi eseményeket narancssárga színnel ábrázoltam. A júliusi betakarítási és eladási műveletek barnával szerepelnek.

187


1. ábra. A gazdálkodó vásárlásai

2. ábra. Parcellák tömegváltozása a teljes szimuláció során

3. ábra. A gazdálkodó eladásai

188


4. ábra. Folytatólagos adatrögzítés ábrázolása

4. Jelenlegi állapot A Folyamatinformatikai Kutatócsoport a Baross Gábor K+F program keretében dolgozik egy háromszereplős mintarendszer megvalósításán, amelyben szántóföldi növénytermesztés, zárttéri szarvas tartás, valamint vadvágóhíd alrendszerek szerepelnek. (Varga et al., 2012 ). Ezen munka során a csoport munkatársai kialakítottak egy webes felületet (5. ábra). Minden felhasználó saját jelszóval tud belépni a felületre, ahol online rögzíteni tudják az új anyagmozgással járó tevékenységeket. Listából lehet kiválasztani a tevékenységet, azt hogy honnan/mi, illetve hova/mi került, emellett meg kell adni a tevékenység kezdési és befejezési időpontját is. A tevékenységek rögzítése mellett lehetőség van a módosításra, törlésre és a tevékenységek frissítésére is.

5. ábra. Webes adatbekérő felület

189


Munkám további részében a webes felület felhasználásával is feldolgoztam a családi gazdaság folyamatkövető adatait. Ennek során a gazdaság alap modelljét alkotó állapot (tároló) és változás (tevékenység) elemeket a korábban alkalmazott kiterjesztett GraphViz leíró nyelv alkalmazásával írtam le. Ezt követően az időben lejátszódó tömegváltozással járó konkrét tevékenységeket a webes felületen rögzítettük. Megállapítottuk, hogy a webes felületen a modell ismeretében megjelenő templátok és listák alkalmazásával az adatok rögzítése minimális számítógép használati jártasság mellett is könnyen megoldható.

5. Következtetések A valós idejű adatrögzítés lehetőséget teremt arra, hogy ez a metodika az eddig használatos összes adatrögzítési eljárást helyettesítse. A növényvédőszeres kezelések információinak mindennapos rögzítésével helyettesíthető a Permetezési Napló papír alapú vezetése. A központi rendszerek összehangolásával az ellenőrzést végző szervezetek is napi szinten tudnák követni a gazdálkodók munkáját. A talajvizsgálati, öntözési, legeltetési, növényvédelmi megfigyelés és egyéb műveleti adatokkal kiegészítve a rendszer alkalmassá válhat a Gazdálkodási Napló helyettesítésére is. Egyetlen központi rendszer alkalmazásával elkerülhető lenne a többszöri adatrögzítés. A kidolgozott megoldás lehetővé teszi, hogy a legkisebb mezőgazdasági szereplők, a családi gazdálkodók is be tudjanak kapcsolódni az általános rendszerbe. A webes rögzítés mellett létre kell hozni egy könnyen kitölthető, papír alapú űrlapot, amelyet a számítógéphez nem értő emberek is ki tudnak tölteni. Emellett adataik webes rögzítésére segítséget lehetne nyújtani például a falugazdászi hálózat formájában.

Hivatkozások Csukás, B., 1998. Simulation by Direct Mapping of the Structural Models onto Executable Programs. In AIChE Annual Meeting, Miami, Paper 239/9. Csukás, B., 2000. Megmaradás, információ, evolúció - a folyamatmérnöki tudomány alapjai. pp.55-86. In: Ed.:Somogyi F., Környezettudomány’ 2000. Veszprémi Egyetemi Kiadó, Veszprém Csukás, B., Varga, M., Balogh, S., 2011a. Direct Computer Mapping of Executable Multiscale Hybrid Process Architectures. Proceedings of Summer Simulation Multiconference’2011, Den Haag, pp.87-95. ISBN: 1-56555345-4 Csukás, B., Varga, M., Balogh, S., 2011b. Dynamic model based methodology for agrifood process network interoperability. Proceedings of World Computer Congress on Computers in Agriculture, Prague, pp.309-323, ISBN: 978-80-904830-0-2 Csukás, B., Varga, M., Balogh, S., 2012. Conservation Based Information System for Agrifood Process Network Interoperability, In: Li D., Chen Y. Computer and Computing Technologies in Agriculture: IFIP Advances in Information and Communication Technology, Vol. 370. New York: Springer-Verlag, pp.535-544, (ISBN:978-3642-27274-5) Dobos, K., 2000. Családi gazdaságok. Mezőgazdasági Szaktudás Kiadó, Budapest, pp.83-86 Kim, H. M., M. S. Fox, M. Gruniger., 1995. An Ontology of Quality for Enterprise Modeling. IEEE Proceedings of WET-ICE, Los Albamitos, CA, USA. pp.105-116 Schiefer, G., 2008. Tracing and Tracking – A Challenge for System Organization and IT. Journal of Information Technology in Agriculture, 3, pp.19-25 Tankovics, A., 2011. Egy családi gazdaság folyamatainak szimulációs elemzése a nyomon követési rendszerbe való csatlakozás szempontjából. Diplomadolgozat, Kaposvár Varga, M., Csukás, B., Balogh, S., 2012. Transparent Agrifood Interoperability, Based on a Simplified Dynamic Simulation Model. In: Mildorf T, Charvat K (szerk.) ICT for Agriculture, Rural Development and Environment: Where we are? Where we will go? Praha: Czech Centre for Science and Society, pp.155-174. (ISBN:978-80905151-0-9) Varga M., Balogh S., Csukás B., 2010. Sector spanning agrifood process transparency with Direct Computer Mapping. Agricultural Informatics 1(2), pp.73-83,

190


Varga, M., Csukás, B., 2010. On the Way toward the Sector Spanning Agrifood Process Traceability. Agricultural Informatics 1(1), pp.8-18, Wolfert, J., C. N. Verdouw, C. M. Verloop, A. J. M. Beulens., 2010. Organizing information integration in agri-food – A method based on a service-oriented architecture and living lab approach. Computers and Electronics in Agriculture, 70(2), pp.389-405 [I1] „Az Európai Parlament és a Tanács 178/2002/EK rendelete” http://eurlex.europa.eu/LexUriServ/LexUriServ.do?uri=DD:15:06:32002R0178:HU:PDF, 2012.09.10 [I2] „Nyomonkövetés” http://www.soltub.hu/d/nyom.pdf, 2012.09.11 [I3]Az élelmiszerhigiéniáról szóló 852/2004/EK rendelet http://www.vm.gov.hu/main.php?folderID=1933&articleID=8900&ctag=articlelist&iid=1 , 2012.09.10 [I4] „GS1 The global language of business” http://www.gs1hu.org/, 2012.09.12 [I5] „326/2001. (XII.30.) Kormányrendelet a családi gazdaságok létrehozásáról, nyilvántartásba vételéről, működtetéséről, valamint kiemelt támogatásukról” http://www.vm.gov.hu/main.php?folderID=2121&articleID=4120&ctag=articlelist&iid=1, 2012.09.10 A cikk a Baross Gábor K+F program REG-DD-09-2-2009-0101 sz. projektjének támogatásával készült.

191


A vállalati információs rendszerek alkalmazásának területei a vállalkozásokban The application possibilities of corporate information systems in enterprises Zörög Zoltán1 -Kisari Krisztián2- Csapó László Attila3-Csernák József4

Abstract During the past decades data processing and in-house communication have undergone significant changes. At first only a few computers were purchased therefore the independent departments had to create their own separate applications to support their operations which led to so called “island or isolated solutions”. Nowadays with the spread of electronic data processing the principal problem is not the acquisition of information for the enterprises as it can be found in different databases and stores in the form of internal or external information, rather, the production of information is of vital importance when making a decision in a given situation. In this situation Information Technology, or more precisely, integrated enterprise resource planning systems, that have replaced the „island-like” software applications at companies which prevailed for decades, can help. The system-like approach is highlighted among its functions in addition to the fact that only the pieces that are necessary to ground a managerial decision must be produced at the given time of the millions of data to be recorded. In this paper the application possibilities of corporate information systems in enterprises are presented by means of modern statistical methods. Keywords: information management, management information systems, information and communication technology

Összefoglaló: Az elmúlt évtizedek során az adatok kezelése és a vállalaton belüli kommunikáció jelentősen átalakult. Eleinte csak néhány számítógép került beszerzésre a vállalatoknál, ezért a szervezeti egységek külön-külön építették ki a vállalati adminisztráció területeit lefedő alkalmazásokat, így úgynevezett szigetmegoldások jöttek létre. Napjainkban az elektronikus adatfeldolgozás elterjedésével nem az információk megszerzése jelenti a legfőbb problémát a vállalkozások számára - ezek ugyanis megtalálhatók a legkülönfélébb adatbázisokban, adattárházakban belső-, illetve külső információként - hanem azoknak az információknak az előállítása, amelyekre az adott szituációban szükség van egy döntés meghozatalához. Mi segíthetne ebben jobban, mint az informatika, ezen belül is a vállalatoknál évtizedeken keresztül tapasztalható „szigetszerű” szoftver megoldásokat felváltó vállalati információs rendszerek. Használatuk során fontos szerepet játszik a rendszerszemléletű gondolkodásmód mindamellett, hogy a rögzítésre kerülő milliónyi adatból a megfelelő időpontban, csakis a vezetői döntés megalapozásához szükséges adatokat kell előteremteni. Tanulmányunkban a vállalati információs rendszerek vállalkozásokban alkalmazott felhasználási módját mutatjuk be, amelynek meghatározásához korszerű statisztikai módszert alkalmaztunk. Kulcsszavak: információgazdálkodás, vezetői információs rendszerek, információs és kommunikációs technológia.

1

Károly Róbert Főiskola, Üzleti Tudományok Intézete, [email protected] 2 Szent István Egyetem, Ph.D. hallgató, [email protected] 3 Szent István Egyetem, Ph.D. hallgató, [email protected] 4 Károly Róbert Főiskola, Üzleti Tudományok Intézete, [email protected]

192


1. Bevezetés Az elmúlt évtizedek során az adatok kezelése és a vállalaton belüli kommunikáció jelentősen átalakult. Eleinte csak néhány számítógép került beszerzésre a vállalatoknál, ezért a szervezeti egységek külön-külön építették ki a vállalati adminisztráció területeit lefedő alkalmazásokat, így úgynevezett szigetmegoldások jöttek létre. Mivel ezek nem egymással együttműködő egységes rendszert képeztek, ezért adatbázisaik szinkronizálása nagyon nehézkesnek bizonyult. Egyazon gazdasági esemény többszöri rögzítéséből adódó hibák miatt sokszor téves adatokat tartalmazó jelentések kerültek a vezetők asztalára és a használt alkalmazások működése hosszú távon rendkívül költségesnek bizonyult a többszöri adatrögzítéshez szükséges, felesleges erőforrások költségei miatt. Az említett szigetszerű megoldások hátrányainak kiküszöbölésére egyre több vállalat vezetése döntött az integrált vállalatirányítási rendszer bevezetése mellett. A rendszerek elterjedésében nagy szerepe volt annak is, hogy egyre több multinacionális vállalat helyezte telephelyét, raktárát, üzemét Magyarországra és hozta magával a külföldön már jól bevált információ technológiai megoldásokat. A bevezetett rendszerek jól áttekinthető, egymással együttműködő alrendszerekből álltak, modularitásuk lehetővé tette nem csak a bevezetés fokozatosságát – amely már önmagában sem hátrány, ismerve a rendszerek árát, üzemeltetési költségeit –, hanem e tulajdonság birtokában lehetőség nyílt arra, hogy a teljes vállalati struktúrát lefedjék egyetlen szoftver alkalmazásával. Elfogadjuk, hogy a rendszerek beruházási költségei nagymértékben megterhelik a vállalatokat, viszont az új Széchenyi terv részeként 2011-ben ismét megnyílt a GOP-2011-2.2.1 ("ERP pályázat"). Ennek célja a kis- és középvállalkozások jövedelemtermelő képességének erősítése az információs és kommunikációs technológiai megoldások hatékony alkalmazása révén, mind a belső vállalati és mind pedig a vállalatközi üzleti folyamatokban. A 2011. július 1.-től megnyílt pályázat keretében lehetőség van vállalatirányítási rendszerek (ERP), üzleti intelligencia megoldások, CRM és egyéb funkcionális elemek bevezetésére.

2. Irodalmi áttekintés Az áttanulmányozott irodalom szerzői egyetértenek abban, hogy az információ - hasonlóan a tőkéhez, vagy a munkaerőhöz - napjainkra erőforrássá nőtte ki magát. Az információ-menedzsment nem csak a menedzsment információs rendszerek tudománya, nem csak a végfelhasználói szoftverek létrehozásának technikája, nem csak számítástechnika és nem csak rendszerszervezés, hanem mindezek együttese. Esetleg valamivel több is ezeknél: szemléletmód, gazdálkodási technika azoknak a közgazdászoknak, rendszerszervezőknek, mérnököknek a számára, akiknek célja az információs erőforrások olcsóbb használata, a vállalati információs vagyon jobb kihasználása (DOBAY, 2003). KAPRONCZAI (2007) megfogalmazásában az információ célorientált funkcionális tudást jelent, amely a döntések előkészítését és végrehajtását szolgálja. FICZERÉNÉ et al. (2009) megállapításában az információknak utalniuk kell a lehetőségekre, valamint óvniuk kell a vállalatot a kockázatoktól, vagyis ki kell szolgálni a tervezést, az ellenőrzést és nem utolsó sorban egy belső kontrollrendszer kialakításával a belső ellenőrzést. Ha tovább gondolkodunk, ATKINSON (2007) szerint a vezetői számvitel által nyújtott információk fontos szerepet játszanak az előrejelzési, tervezési folyamatokban. Amellett, hogy tényadatokat szolgáltat a vállalat aktuális helyzetéről, szorosan kapcsolódik jövőbeli célok, tervek elérésének ellenőrzéséhez. ZÁRDA (2009) a vezetői számvitel szisztematikus alkalmazását helyezi előtérbe a mezőgazdasági vállalatok körében is. Tanulmányában megállapítja, hogy a vezetői számvitel és a Tesztüzemi rendszer (FADN) párhuzamos alkalmazásával a gazdaságok eredményesebbé, hatékonyabbá válhatnak a versenytársakhoz képest. Mindemellett a szolgáltatott információknak döntés- és vezetéstámogató szerepe is van. HÁGEN (2009) kutatásának eredményeként felhívja a figyelmet arra, hogy a vállalkozások hatékony működésének fenntartásához elengedhetetlen az új eljárások, módszerek adaptációja, nyitottnak kell lenni az új innovatív rendszerek iránt, és ezeket meg kell próbálni beépíteni a döntéshozatal mechanizmusába. Mindehhez nagy segítséget nyújthatnak az integrált vállalatirányítási rendszerek, mint ahogyan ezt HERDON – RÓZSA (2011) is megállapítja. Kihangsúlyozzák, hogy a rendszerek keretet nyújtanak az információk gyűjtéséhez, feldolgozásához és továbbításához, kiszolgálva a termelési, szolgáltatási, irányítási feladatokat. Ezen folyamat eredményességét elsegíti,

193


ha a felhasználók a rendszer használatának megkezdését megelőzően megfelelő oktatással felkészítésre kerülnek. (KATONÁNÉ – CSOMÓS, 2010)

3. Vizsgálati módszer A vizsgálat alapjául egy általunk végzett primer kutatás adatait használtuk fel, amelyeket kérdőívek segítségével gyűjtöttünk össze.A mintába 158 vállalkozástól származó adatok kerültek az információs rendszerek használatával kapcsolatba. A kérdőívben Likert-skálát használtunk az információk kinyeréséhez, amely jó alapot biztosít ahhoz, hogy az adatbázison elvégezzük a faktoranalízist(MALHOTRA, 2008). A faktoranalízis lényege, hogy a megnevezett változókat redukáljuk, illetve összesítsük őket, és segítségükkel tisztítani tudjuk, hogy a vállalkozások főképp, milyen célokra használják az információs rendszereiket. A faktoranalízis olyan többváltozós statisztikai módszer, melynek célja a változók csoportosítása, és a változók számának redukálása(SAJTOSI –MITEV, 2007).A vizsgálat alapján kapott faktorok alapján csoportosítottuk a vizsgálatba bevont vállalkozásokat klaszteranalízis segítségével. A vizsgálatok elvégzéséhez az SPSS statisztikai programcsomagot használtuk, mivel megbízhatósága a többi tudományos életben jelen lévő statisztikai programcsomaghoz képest elfogadható és az általa végzett vizsgálatok eredményei jól használhatóak (MARQUES, 2007). A kérdőívben a felhasznált kérdések főképpen arra irányultak, hogy az adott vállalat mire használja információs rendszerét. (1 egyáltalán nem használja – 5 nagyon gyakran használja). Azok a vállalkozások, amelyek nem kívántak nyilatkozni, azoknak a válaszait a rendszer „missing” értéknek definiálta, így nem kerültek bele a vizsgálatba, így azok nem torzítják a kapott eredményt.Így a vizsgálat alapját 108 cég alkotta. 3.1. A vizsgálat alá vont kérdések Milyen tevékenységhez, milyen gyakorisággal használja a vállalati információs rendszert?  Munkafolyamatok koordinálása  Elemző tevékenység  Tervezés és döntés előkészítés  Tájékozódás a vállalat állapotáról  Ellenőrző tevékenység  Adatok rögzítése A vizsgálatok elvégzése során célunk volt a változók leredukálása. 3.2. A faktoranalízis eredményei A KMO mutató megmutatja, hogy a vizsgált változókon elvégezhető-e a faktoranalízis. Ennek feltétele, hogy értékének 0,5-nél nagyobbnak kell lennie. A KMO étékeit az 1. táblázat szemlélteti, amelyen jól látszik, hogy a mutató 0,5 felett van (0,744), ami azt jelenti, hogyfaktorba rendezhetők az ismérvek. 1. táblázat.A KMO teszt eredménye KMO and Bartlett's Test Kaiser-Meyer-OlkinMeasure of SamplingAdequacy. Approx. Chi-Square Bartlett's Test of df Sphericity Sig. Forrás: saját szerkesztés

,744 209,481 15 ,000

Az eredmények alapján 2 db faktort különböztettünk meg a rendelkezésre álló adatokból. A varimax módszerrel rotált elemzés eredményeit a 2. táblázat szemlélteti, amelyből leolvasható, hogy az alábbi két faktorba tömörülnek a vizsgált adatok:

194


2. táblázat.A faktorok összetétele RotatedComponentMatrixa Component 1

Első faktor

Második faktor

2

Tervezés és döntés előkészítés

0,849

0,197

Munkafolyamatok koordinálása

0,755

-0,090

0,717

0,405

0,714 -0,029

0,190 0,925

0,460

0,668

Elemző tevékenység Ellenőrző tevékenység Adatok rögzítése Tájékozódás a vállalat állapotáról

ExtractionMethod: PrincipalComponentAnalysis. RotationMethod: Varimaxwith Kaiser Normalization. a.Rotationconvergedin 3 iterations. Forrás: saját szerkesztés A vizsgálat alapján tehát statisztikailag az alábbi két faktor különböztethető meg: 1. „Menedzsment feladatokra használják” a vállalkozások az információs rendszereiket 2. „Adminisztrációs feladatok használják” a vállalkozások az információs rendszereiket Az 1.ábrán ábrázoltuk koordinátarendszerben az általunk kapott két faktor alapján a vizsgált vállalkozásokat. További célunk volt, hogy statisztikailag is igazoljuk a vállalkozásokat a tekintetben, hogy főképpen, milyen célra használják rendszereiket azaz, milyen csoportokat tudunk képezni a vállalkozások birtokunkban lévő adataiból. Várakozásaink alapján olyan szignifikáns eredményeket vártunk, amik a már felmérések alapján (is) jellemzik a vizsgált szektort.

195


1. ábra.A vállalkozásokat a két létrehozott változó skaláris értékei alapján szemléltető scatterplot(n=108) Forrás: saját szerkesztés 3.3. A klaszteranalízis eredményei A klaszteranalízis elvégzéséhez szintén az SPSS statisztikai programcsomagot használtuk, mivel a program megfelelően alkalmas eme többváltós módszertan alkalmazásához. Az elemzés alapját az általunk kapott faktorok adták. A faktoranalízissel kapott 2 skaláris változó adatai gyakorlatilag magukba foglalják a vállalakozások szokásait a tekintetben, hogy mikre használják információs rendszereiket. A szakirodalmi áttekintés alapján a két módszertan ilyen módon történ alkalmazás szakmailag is értelmezhet és elfogadható eredményekhez vezet. (Sajtosi & Mitev, 2007) Az elemzés végső célja az volt, hogy a kapott koordinátarendszerben (1. ábra)lévő vállalakozások matematikailag képesek-e csoportot alkotni a már említett faktorok alapján. A klaszterelemzés módszerének a Centroidmethod-t (Súlyközéppontos módot) választottuk. A centroidmethod alkalmazása az egyik legjobban magyarázható módszertani szempontból, ugyanis ilyenkor a kapott csoportok közötti távolságok a csoportok súlypontjaihoz vannak viszonyítva és cél, hogy a súlypontok legyenek a legtávolabb egymástól. Az elemzés futtatásakor dendrogrammal elemeztük a vállalatokat, amelynek segítségével a hasonló tulajdonságú csoportok számát törekedtük megállapítani különös tekintettel a tudományterületre jellemző tendenciákra. A klaszteranalízis alapján kapott dendrogram eredményeit a 2. ábra szemlélteti.

196


2. ábra.A klaszteranalízis dendrogramja (n=108)

Forrás: saját szerkesztés

197


Első lépésként 3 klasztert hoztunk létre, amiket hozzárendeltünk a kapott adatokhoz.Mivel a három klaszterbe történ besorolás esetében az egyes klaszterek szélsőértékei között túlságosan nagy a szórás (3. ábra), így a kapott értékek nehezen értelmezhetek és magyarázhatóak, szakmailag nem indokoltak.

3. ábra. A mintában lévő vállalkozások szóródása három klaszter esetén (n=108) Forrás: saját szerkesztés Véleményünk szerint az így kapott három csoportot még további bontása szükséges, ugyanis a menedzsment folyamatok használatánál nagy a szórás. A további vizsgálatok eredményeképpen az öt csoport létrehozása bizonyult a legjobban magyarázható bontásnak. Amikor áttekintve a kapott dendrogramot öt klaszterre osztottuk a vállalkozásokat, a kapott bontásban lévő csoportok részben tükrözték elvárásainkat. Az öt kalszterre bontás eredményeit a súlyközéppontokkal együtt a 4. ábra szemlélteti. Az így kapott 5 db csoportelnevezést az alábbiak szerint határoztuk meg: Mire használják elsősorban a vállalati információs rendszert? 1. Főképpen adminisztrációs és mérsékelten menedzsment feladatokra 2. Mérsékelt adminisztrációs és menedzsment feladatokra 3. Magas szintű adminisztratív és menedzsment feladatokra 4. Főképpen menedzsment és csak másodsorban adminisztrációs feladatokra 5. Főképpen adminisztrációs feladatokra A kapott öt csoportnak a súlyközéppontját jelöltük az eredménytáblán, így szemmel látható, hogy az öt általunk említett csoport statisztikailag jól elkülönül egymástól. A 4. ábrán látható, hogy a vizsgálat alá bevont vállalatok 44,44 %-a szinte kizárólag adatgyűjtésre használja informatikai rendszerét.

198


4. ábra.Amintában lévő vállalkozások szóródása öt klaszter esetén súlyközéppontokkal (n=108) Forrás: saját szerkesztés

4. Következtetések Felgyorsult világunkban az információs technológiák rohamos fejlődésével egyre inkább megfigyelhető egyfajta információ éhség, amellyel a gazdasági élet szereplőinek számolniuk kell. Tudomásul kell venni, hogy a rendelkezésre álló információk kezeléséhez el kell fogadni az adott technológiai színvonal által nyújtott segédkezet, amelyet az agrárinformatika, az agrárinformációs rendszerek nyújtanak. Egyéb gazdasági területeken tevékenykedő vállalkozások mellett a mezőgazdasági vállalatok körében is megfigyelhető az informatika, az információs rendszerek használásának gyorsütemben történő terjedése, köszönthetően az infokommunikáció és az internet fejlődésének. A vezetők döntéseik meghozatalához egyre gyakrabban használják a külső információkat integráló információs portálokat, adatbázisokat információs rendszerként. Csekély hangsúlyt fektetnek azonban a vállalati belső információt biztonságosan tároló, a vállalati folyamatokat követő, egyéb ágazatban sikeresen alkalmazott integrált vállalati információs rendszerek használatára, pedig a döntések meghozatalához nem csak a külső, hanem belső információknak is a kellő időben rendelkezésre kell állni. A vizsgálataink során arra a következtetésre jutottunk, hogy a vállalatok, akik elmondásaik alapján mérsékelt adminisztrációs és menedzsment feladatokra, illetvefőképpen adminisztrációs feladatok elvégzésére használják a rendszereiket jelentős hátrányban lehetnek, és vélhetően nem használják ki az általuk birtokolt rendszer előnyeit. Mivel az adatok gyűjtését az adminisztrációs folyamatok révén elvégzik és minimális ráfordítással lehetővé tehetnék a menedzsment folyamataik támogatását, amely által eredményesebben végezhetnék tevékenységüket a piacon, de gyakran ez a minimális ráfordítás sem történik meg, hiszen az általunk végzett faktor és klaszter analízis alapján is

199


bizonyításra került, hogy a vizsgált cégek közel 50 %-a statisztikailag bebizonyíthatóan is szinte csak adatgyűjtésre használja az informatikai rendszerét!

Hivatkozások Atkinson A.(2007): Management International, Inc., 656 p.

accounting.

Fifthedition.

UpperSaddleRiver:

PearsonPrentice

Hall

Dobay, P. (2003): Vállalati információmnedzsment, Nemzeti tankönyvkiadó, Budapest Ficzeréné Nagymihály K. – Bakos-Tóth E. – Zörög Z. (2009) Az önkormányzati pénzgazdálkodás és a belső ellenőrzési funkció összefüggései, gyakorlati tapasztalatai; In: Ferencz Á (szerk.)Erdei Ferenc V.Tudományos KonferenciaKecskeméti Főiskola Kertészeti Főiskolai Kar, pp. 156-161. Hágen, I. Zs. – Kondorosi F- né (2009): Üzleti tervezés, Controll 2003 KFT., Debrecen Herdon M. – Rózsa T. (2011): Információs rendszerek az agrárgazdaságban, Szaktudás Kiadó Ház Rt., Budapest Kapronczai, I. (2007): Információs rendszerek a közös agrárpolitika szolgálatában, Szaktudás Kiadó Ház, Budapest Katonáné Erdélyi E.– Csomós T. (2010): Az Exact és az Abas integrált vállalatirányítási rendszerek oktatásának gyakorlati tapasztalatai; In: Magda S, Dinya L (szerk.)XII. Nemzetközi Agrárökonómiai Tudományos napok., pp. 170-175. Malhotra, N. (2008): Marketingkutatás. Budapest: Akadémia Kiadó. Marques de Sá, J. (2007):AppliedStatisticsUsing SPSS, STATISTICA, MATLAB and R (SecondEdition. kiad.). Heidelberg: Springer-Verlag Berlin Heidelberg. Sajtosi, L., &Mitev, A. (2007): SPSS Kutatási és adatelemzési kézikönyv. Budapest: Alinea Kiadó. Zárda, N. (2009): A mezőgazdasági vállalkozások fejlesztése a vezetői számvitel és a tesztüzemi rendszer tükrében, Gazdálkodás, 23. sz. 98. p.

200

Agricultural Informatics 2012 Conference Agrárinformatika 2012 Konferencia

Recommend Documents