Gór Arnold1 - Kocsis Mihály2 - Sisák István3 Kezelési egységek meghatározása a precíziós növénytermesztés ökonómiai megítéléséhez Defining treatment zones for the economic analysis of precision farming
[email protected] Egyetem, Georgikon Kar, Vállalatökonómiai és Vidékfejlesztési Tanszék, PhD hallgató 2 Pannon Egyetem, Georgikon Kar, Növénytermesztéstani és Talajtani Tanszék, tanszéki mérnök 3 Pannon Egyetem, Georgikon Kar, Növénytermesztéstani és Talajtani Tanszék, egyetemi docens 1Pannon
1. Absztrakt A precíziós növénytermesztés ökonómiai megítélése nagymértékben függ a talajmintavételi pontok helyétől és számától. A jelenlegi, 1,5-3 hektáronkénti talajmintavétel nem teszi lehetővé a pontos kiértékelést. A minták számának további növelése pedig jelentős többletköltséget, és versenyhátrányt jelentene a hazai gazdák számára. Célunk a pontszerű adatok és a táblaméret közötti szint meghatározása, melybe ökonómiailag homogén területek kerülhetnek. Kidolgoztunk egy módszert, amelyben területnagysággal súlyozott, többváltozós variancia-analízist végeztünk, és ezzel a mostaninál egzaktabb és a gazdák számára több gyakorlati információt hordozó módszert alakítottunk ki. Ennek lényege a kezelési egységek meghatározása és paramétereinek számszerűsítése a lehető legtöbb változó (hozamtérkép, kötöttség, humusztartalom, domborzati térkép, nitrogén-, foszfor- és káliumellátottság) bevonásával. A dolgozatban a módszer elméleti hátterét és gyakorlati oldalát mutatjuk be egy teljes szerkezetében precíziós gazdálkodást folytató üzem 13,13 hektáros táblájának példáján keresztül. 2. Bevezetés A precíziós gazdálkodás a 21. században az az egyik potenciális módszer lehet a fenntartható fejlődés és az ahhoz kapcsolódó mezőgazdaság megvalósítására (Takácsné, 2011; Németh et al., 2007; Smuk, 2012;, Tamás, 2011). Annak az elvnek a modern technológiák által felújított változatát jelenti, amelyben a gazdák a területük minél pontosabb megismerésére törekedtek a növények igényeinek kielégítésének érdekében. Eredetileg közvetlen kapcsolat állt fenn a gazda és a művelt terület között a kézi, vagy állati erővel hajtott művelés során, de ebbe a folyamatba egyre több mediátor került be, ami által ez a megismerési folyamat megakadt. Ilyen mediátorok lehetnek a gépesítettség és az osztott művelés, aminek eredményeként a gazda nem ismeri a területének talajtani paramétereit. A területi koncentrációs folyamat is
270
hozzájárult ehhez, hiszen a gazda, vagy a vállalat nem lehet már képes a termőterület diverzifikálására a megfelelő szakértelem és adatbázis hiányában. Hasonló megállapításra jutott a National Research Council (1997, p. 17) is, ahol a precíziós gazdálkodás pontos definícióját adják meg a geostatisztikához kapcsoltan: „A precíziós mezőgazdaság egy menedzsment stratégia, mely az információs technológiát használja, hogy több forrásból érkező adatot nyerjen ki a szántóföldi növénytermesztéssel kapcsolatos döntések meghozatalához.”. A fő különbség a hagyományos és a precíziós gazdálkodás között a modern információs technológiák alkalmazása a nagy területi és időbeli bontású többforrású adat szolgáltatása, feldolgozása és elemzése a döntéshozás és a szántóföldi növénytermesztésben megjelenő műveletek koordinálására. Megítélésük szerint 3 komponense van: adatszerzés a megfelelő méretarányban, az adat értelmezése és elemzése, valamint a menedzsment válasza a megfelelő mértékben és időben. Magyarországon az technológia alkalmazásában élen járó gazdák többsége az első komponenst birtokolja – részletes adatokkal rendelkezik a táblára vonatkozóan – ezt azonban nem dolgozzák fel megfelelő mértékben a döntéshozatali folyamat támogatásához. A nagy területet felölelő adatok - mint például a hozamtérképek, szenzoros és távérzékeléssel kapott adatok, domborzati térképek - és ezek elemzése teszi lehetővé a termőhelyen belüli változtatható művelést. A feldolgozott térképek azonban még nem jelentik a siker zálogát, hiszen - ahogy a The National Research Council (1997, p. 59) így fogalmaz – „egy megnövekedett geostatisztikai módszertani tudásbázis szükséges a precíziós mezőgazdasági adat értelmezéséhez.” Ebben szeretnénk segítséget nyújtani, hiszen jelenleg a gazdák uniformizált kezeléseket alkalmaznak a tábla egészére, függetlenül annak domborzati, talajerő gazdálkodási és talajtani adottságaitól. A precíziós gazdálkodás technológiai háttere lehetőséget nyújt a műveletek pontos elvégzéséhez, de ezek meghatározásához ismerni kell a kezelési egységeket és azok paramétereit. Egyébként a pontos műveletek hibás alapokon nyugszanak. Fontos megemlíteni az NYME mosonmagyaróvári precíziós növénytermesztési módszerek alkalmazott növénytudományi doktori iskola kutatásait Neményi Miklós vezetése alatt, akik egy hosszabb (13 éve folyó) kutatás során szántóföldi kísérleteket végeznek egy adott táblán. Több fontos kutatás folyik egyszerre itt a precíziós technológia szántóföldi alkalmazására vonatkozóan, azonban ezek még nem érték el a gyakorlati szakembereket. Kutatási célul tűztük ki tehát a kezelési egységek pontosítását GIS (térinformatikai eszközök) és statisztikai módszerek segítségével. Fontosnak tartottuk a gyakorlati alkalmazhatóság lehetőségét és az egyszerű adatszerzést, mivel ezek alapján lehet a módszernek létjogosultsága a gazdák körében. A precíziós gazdálkodást kutatók körében elfogadott, hogy a talajminta vételi pontok sűrűségét 1,5-3 hektárban határozzák meg. Ezen pontok adatai alapján kriging eljárás segítségével becsléseket végeznek az egyes talajtani adottságok (humusz, nitrogén-, foszfor- és káliumellátottság, mikrotápanyagok) területi megoszlására. A gyakorlatból kapott
271
visszajelzés alapján egy zimányi gazda területén kezdtünk el a vizsgálatot arra vonatkozóan, miként lehetne a lehető legtöbb adat és térkép bevonásával a táblákat pontos kezelési egységekre bontani. Ezen adatok a talajvizsgálatok és a meglévő térképek alapján történtek egy geostatisztikai program (ArcGIS version 9.3) segítségével. Ezen kezelési egységek meglétével pontosabb számítások végezhetőek a tábla ökonómiai hatékonyságára vonatkozóan, az összes tábla kiértékelésével pedig az üzemre is elvégezhetőek ugyanezen számítási műveletek. A precíziós technológia hasznosságáról (mint említettük korábban) egyöntetűek a szakértői vélemények. A magasabb beruházási költség azonban a gazdák számára – a földtulajdoni viszonyok, az alacsony agrárjövedelmezőség, és a felvásárlói árak különbségének hiánya miatt precíziós és hagyományos termelés esetén – elrettentő módon hat. Kérdésként merül fel emiatt, hogy mi is a célunk a precíziós technológiával? A költségcsökkentés azonnal felmerülne, mint ökonómiailag szakértők által megfogalmazott válasz, azonban kutatásaink során kiderült, hogy ez nem feltétlen felel meg a legfontosabb szempontnak. A külföldi szakirodalom (Murphy, 2012 p. 94) a precíziós technológiát használó gazdák körében végzett felmérés alapján azt állapította meg, hogy a gazdák figyelme kizárólag a profit maximalizálásáról részben áttevődött a hosszú távú ökológiai és ökonómiai fenntarthatóságra. A zimányi gazdával történt beszélgetések során is az derült ki, hogy a profit megszerzését egy komplex stratégia keretén belül képzeli el. Ebben a precíziós gazdálkodás egy eszközrendszer annak a célrendszernek alárendelve, melyben a növények igényeinek teljes kielégítésével és az erőforrások optimális allokációjával egy magasabb technológia színvonalat ér el, melyben magasabb hozamok érhetőek el azonos, vagy alacsonyabb költségszint mellett. Ez nem feltétlen jelent költségmegtakarítást. Azt a véleményt képviseli, melyről méltánytalanul kevés szó esik a növénytermesztés kapcsán, hogy egy növény, melynek minden igényét kielégítettük - műtrágyával, növény védőszerrel és a szántóföldi műveletek során pont abban a mennyiségben, amiben szüksége van rá - jobban ellenáll a környezeti hatásoknak. Ez összességében kockázatcsökkentő hatást generál. A stratégia ökonómiai számbavétele nehézkes a tételek számszerűsítésének bonyolultsága miatt, de a táblán belüli kezelési egységek meghatározása révén erre módunk nyílt. A kutatás még jelenleg is folyik a teljes üzem költségeit illetően, azonban a meglévő kutatási eredményeket az alábbiakban szeretnénk prezentálni. 3. Módszertan Rendelkezésünkre állt egy zimányi üzem talajtani vizsgálatokat tartalmazó adatbázisa. Ezen üzem összességében 279 hektáron folytat szántóföldi növénytermesztési tevékenységet. További területek adatainak kiértékelése is folyamatban van. A területek nagy része rossz adottságokkal rendelkezik, és a gazda büszke arra, hogy hasonló termésátlagokat képes realizálni, mint a kedvezőbb adottságú területen gazdálkodó társai. A terület történetéhez
272
hozzá tartozik, hogy amint a gazda művelést kezdett folytatni rajta egy feltöltő trágyázással próbálta kiegyenlíteni a kedvezőtlen viszonyokat. Az üzem viszonylatában rendelkezésre állnak 4 évre visszamenőleg hozamtérképek, bár ezek nem mindig abszolút értékek, mivel a 2008-as és 2009-es adatok relatív mennyiségeket képviselnek a kalibráció pontatlansága miatt. Ezen adatok térkép (shape) formátumban kerültek birtokunkba, melyet az Ag Leader Technology SMS Advanced szoftvere alakított ki a kombájn valósidejű adatai alapján, így ezek a tábla koordinátáira viszonyítva pontos adatokat szolgáltatnak a termésátlagok felől. A vágóasztalos betakarítás esetén az adatgyűjtés nem jelentett problémát, azonban gondot okoz a növények fajtája és sorrendje a táblákon.
1. ábra: A zimányi 13,13 hektáros terület hozamtérképe 2011-ből (bal oldal) és az ábra kategorikus értékelése (jobb oldal) az Ag Leader Technology SMS Advanced program alapján Kiértékelési problémát jelent a cukorrépa esetén, hogy nincs precíziós betakarításra lehetőség, így e növény esetében a hozamok csak táblaszintű átlagértékeket jelentenek. Ezt a növényt ki kellett hagynunk az elemzés köréből. Az évek összehasonlíthatóságát pedig nehézkessé teszi a vetésforgó, mivel a növények csak 4- 5 év alatt kerülnek még egyszer ugyanazon táblára, ezáltal a módszertan esetén az idősoros elemzésre nem nyílott lehetőség. Ki kellett továbbá hagynunk az elővetemény hatását, amihez még több adatra lett volna szükség. A fent említett problémák abból fakadnak, hogy nem egy elméleti modellről van szó, hanem konkrét technológiai adatok kerültek kiértékelésre. Ezen akadályokból kifolyólag relatív hozam adatokkal kellett dolgoznunk. További adatgyűjtéssel a mélyebb elemzések is megvalósíthatóvá válnak, ez további kutatást igényel részünkről. A hozam tehát függő változóként jelenik meg elemzéseinkben, mely során azt kutatjuk, hogy mely változók gyakoroltak szignifikáns hatást a termésátlagokra.
273
2. ábra: A zimányi 13,13 hektáros tábla talajmintavételi pontjai és ábrázolásuk az ArcGIS szoftver segítségével Az alábbi változókat vettük bele elemzésünkbe: A talajtani vizsgálatok adatait, melyeket a kaposvári Talajerőgazdálkodási Kkt. értékelte ki. Domborzati térkép, aminek a segítségével egy újabb változót, a tengerszint feletti magasságot is a kutatásunk keretébe vonhattuk. A változókra vonatkozó adatsorokból (humusztartalom, foszfor-, kálium ellátottság, tengerszint feletti magasság és a hozamok) térképeket szerkesztettünk különböző kategóriák szerint. A számadatokat besoroltuk 3 intervallumba a tápelemeket illetően, a tengerszint feletti magasság esetén 7, a hozam esetén 8 kategóriát határoztunk meg. Ezek a skálák adták az adatbázisunk és a kialakított térképek közötti átjárhatóságot. A kialakult térképek birtokában képesek voltunk az adatbázisunkat felépíteni és ezek paramétereit a többi elemzésbe bevont változó adataival bővíteni. Erre az ArcGIS szoftvert használtuk fel. A térképeket egymásra helyezve 155 azonos adottságú területet határozhattunk meg. Ezek közül a legkisebb területű 20 m2, míg a legnagyobb 5643 m2 lett, míg az átlag 858 m2. Fő vizsgálati szempontként a makro tápelem (humusz, AL-P2P5, AL-K2O), valamint a már említett tengerszint feletti magasságot tűztük ki. Elsőként egyváltozós varianciaanalízisnek vetettük alá az adatsort, melyet az 1.táblázatban tekinthetnek meg. ANOVA táblázat Humusz SQ Csoportok között Csoporton belül Összesen
274
12,386 277,016 289,403
szf
MQ 2 151 153
F- érték 6,193 1,835
3,376
Szign. ,037
AL-P2O5 SQ
szf
MQ
Csoportok között Csoporton belül
29,386 260,017
2 151
Összesen
289,403
153
F- érték
14,693 1,722
8,533
Szign. ,000
AL-K2O SQ Csoportok között Csoporton belül Összesen
szf
MQ
F- érték
9,476
2
4,738
279,927 289,403
151 153
1,854
2,556
Szign. ,081
Tengerszint feletti magasság SQ Csoportok között Csoporton belül Összesen
22,568 266,835 289,403
szf
MQ 6 147 153
F- érték 3,761 1,815
2,072
Szign. ,060
1. táblázat: Az egyváltozós varianciaanalízis eredményei (Humusztartalom, foszfor- és káliumellátottság, valamint tengerszint feletti magasság alapján) Ahogy az a táblázatból kitűnik, az egyváltozós varianciaanalízis eredményeként összefüggést tapasztalhattunk a humusztartalom és a termés, valamint a foszfor és a termés között. A többi tényező látszólag közvetlen hatást nem gyakorol a termésátlagok változására. A táblázat eredményei azonban félrevezetőek lehetnek, hiszen a tényezők egymással korrelálnak. Ebből kifolyólag olyan tényezők szerepe lehet alulbecsülve, melynek valójában szerepe van a termések alakulásában; és olyan tényezők mutathatnak szignifikáns hatást, melyek nem gyakorolnak hatást. A következő lépésként azt kellett meghatároznunk, hogy ezek a hatások milyen mértékűek, és milyen magyarázó hatással bírnak. A többváltozós varianciaanalízis módszerével határoztuk ezt meg, amit a 2. táblázatban mutatunk be. Fontos még megemlíteni, hogy a kialakult 155 terület nagyságával súlyoztuk a változók hatását, így is pontosítva a kezelési egységek
275
paramétereit. Ekkor még mind a 4 tényezőt belevettük a modellünkbe. A súlyozásra feltétlenül szükség van, hiszen különbséget kell tennünk a területek között a nagyságuk szerint. Többváltozós varianciaanalízis a Függő változó: TERMES Forrás
III típusú SQ
Javított modell Közös hatás HUMUSZ AL-P2O5 AL-K2O Tengerszint Feletti Magasság Hiba Összesen Javított összesen
63029,703b 714486,815 1187,770 36442,284 6064,780 16519,797 131535,967 4968195,000 194565,670
szf 12 1 2 2 2 6 141 154 153
MQ
F- érték
5252,475 714486,815 593,885 18221,142 3032,390 2753,299 932,879
Szign.
5,630 765,894 ,637 19,532 3,251 2,951
a. Súlyozott legkisebb négyzetes regresszió – Súlyozás alapja a területnagyság b. R2 = ,324 (Korrigált R2 = ,266) 2. táblázat: A többváltozós varianciaanalízis eredményeit bemutató táblázat 4 tényezővel A táblázat alapján arra a következtetésre kellett jutnunk, hogy a humusztartalom nem volt szignifikáns hatással a termésre, így a továbbiakban kihagytuk az említett változót modellünkből. Feltűnő még az alacsony R2 érték (0,324, illetve 0,266 korrigált érték), ami az egyértelműen magas technológiai színvonalból fakad, a fennmaradó varianciára sok további (ismeretlen) tényező lehet hatással. További adatgyűjtéssel és új változók bevonásával a magyarázó hatás tovább növelhetővé válik. A modellünk felállításának következő lépéseként kihagytuk a humusztartalmat a magyarázó változók közül, amit a 3. táblázatban mutatunk be.
276
,000 ,000 ,531 ,000 ,042 ,010
Többváltozós varianciaanalízis a Függő változó: TERMES Forrás Javított modell Közös hatás AL-P2O5 AL-K2O Tengerszint Feletti Magasság Hiba Összesen Javított összesen
III típusú SQ 61841,934b 794768,703 47578,533 12471,825
szf
MQ
10 6184,193 1 794768,703 2 23789,266 2 6235,913
15342,764
6
2557,127
132723,737 4968195,000 194565,670
143 154 153
928,138
F- érték
Szign.
Parciális Eta2
6,663 856,304 25,631 6,719
,000 ,000 ,000 ,002
,318 ,857 ,264 ,086
2,755
,015
,104
a. Súlyozott legkisebb négyzetes regresszió – Súlyozás alapja a területnagyság b. R2= ,318 (Korrigált R2= ,270) 3. táblázat: A többváltozós varianciaanalízis eredményeit bemutató táblázat 3 tényezővel Mint ahogy az látható, a változó kihagyása javított modellünkön, minden változó szignifikáns, valamint a magyarázó erő nem csökkent emiatt (a korrigált R2 érték még javult is). A parciális eta négyzetek alapján megállapítható, hogy a legnagyobb mértékű hatást a foszfor, majd a tengerszintfeletti magasság és végül a kálium gyakorolta a termés változására. A kálium, mint tényező kihagyásával a magyarázó erő jelentősen csökken, így mind a három tényezőre szükségünk van a modellhez. Sajnos a kereszthatások kiértékelésére nem nyílt lehetőségünk, mivel nem volt meg az összes megfigyelési egység, ami a megfelelő kiértékeléshez kellett volna. Az mindenesetre bizonyossággal meghatározható, hogy a fenti tényezők közül a talaj foszforellátottsága lesz kritikus hatással a termések változására. További fontos tényező lesz a tengerszint feletti magasság, vagyis a domborzat hatása a termésátlagokra valószínűleg a táblarészek eltérő vízgazdálkodása miatt. 4. Eredmények Kutatási eredményeink közül elsőként azt kell megemlíteni, hogy a módszer segítségével ökonómiailag azonos tulajdonságú részekre sikerült osztani a 13,13 hektáros területet. Ennek eredményeként kialakult 155 kezelési egység gazdasági elemzését követően lehetőségünk nyílik a teljes terület jövedelmezőségének pontosabb meghatározására. Az elemzést a többi táblára is elvégezhetjük, majd a 279 hektár hasonló módszertani vizsgálatának végeredményeként az
277
üzemi szintű elemzéseket is elvégezzük. További üzemek és parciálisan precíziós műveletek bevonásával összehasonlító elemzésekre is lehetőség nyílik. A precíziós technológia lehetővé teszi a legkisebb, 20m2-es zóna önállóként kezelését is, így nem okoz még az ilyen kicsi művelendő területnagyság (vizgálati egység) sem. A szoftver képes a gépek számára olyan műveleti térképek létrehozására, amivel valós időben tud a zónák között differenciálni a kijuttatandó tápanyago és vegyszerek tekintetében. Törekednünk a későbbi ökonómiai elemzés miatt mi is a lehető legrészletesebb felosztásra a gazdálkodási ésszerűség határain belül. Fontos kutatási eredménynek számít, hogy az elemzés végeredményeként sikerült meghatározni a tényezőket, melyek befolyásolják a termésátlagokat. Ezek megállapításával a gazdának lehetősége nyílik a területeinek felmérésére és a korlátozó tényezők feloldására. További elemzéseket követelnek meg a különböző táblák, hiszen területenként egyedi eredményt kell, hogy kapjunk. Ok erre a táblák szétszórtsága és domborzati viszonyainak különbözősége, valamint az eltérő művelési története. Ezen okok kiegyenlítésére a precíziós gazdálkodás a legalkalmasabb módszer. Minden tábla külön értékelést kíván, ami gyakorlati segítséget nyújthat a területét fenntartható módon művelni kívánó gazdák számára a jövőben. A precíziós növénytermesztés ökonómiai értékelését nem lehet a hagyományos ökonómiai értékeléssel analóg módon végezni. Figyelembe kell venni, hogy nem egy költségcsökkentő eljárásról van szó, még akkor sem, ha sokan a szakirodalomban úgy is vélik. A precíziósság nem a technológia függvénye, bár abban fog egyrészt megnyilvánulni. Minden a menedzsment szintjén dől el, az ő szempontrendszere, elvárásai határozzák meg a termelés színvonalát. Természetesen törekszünk majd az ökonómiai kérdések megválaszolására és az összehasonlíthatóság keresésére, de tudnunk kell, hogy egy teljes mértékben, vetéstől- aratásig precíziósan gazdálkodó üzemet csak ugyanilyen paraméterekkel rendelkező üzemekkel lehet összehasonlítani. Ettől elérve hibás eredményeket állapíthatunk meg. 5. Hivatkozások 1. Murphy, J. (2012). The contribution of facilitated group learning to supporting innovation amongst farmers. Studies in Agricultural Economics, pp. 93-98. 2. Németh, T., Neményi, M., & Harnos, Z. (2007). A precíziós gazdálkodás módszertana. JATEPress: MTA TAKI. 3. Oliver, M. (2010). Chapter 1: An Overview of Geostatistics and Precision Agriculture. In M. Oliver (Ed.), Geostatistical Applications for Precision Agriculture (pp. 1-331). Dordrecht, Heidelberg, London, New York: Springer Verlag. 4. Smuk, N., Salamon, L., & Milics, G. (2012). A helyspecifikus tápanyag-visszapótlás ökonómiai vizsgálata. Növénytermelés, 61, 67-81.
278
5. Takácsné, K. G. (2011). A precíziós növénytermelés közgazdasági összefüggései. Budapest: Szaktudás Kiadó Ház. 6. Tamás, J. (2011). Precision agriculture. Debrecen: Debreceni Egyetem. Agrár- és Gazdálkodástudományok Centruma. 7. The National Research Council. (1997). Precision agriculture in the 21st century : geospatial and information technologies in crop management. Washington: National Academy Press.
279
