P ishchepo , Alexande ; Ponkina, Elena; Sun, Zhanli; Mülle , Daniel
A icle — Published Ve sion
Выявление детерминант урожайности пшеницы в
Западной Сибири с использованием байесовских сетей
P os ans ennaya Ekonomika = Spa ial Economics
P o ided in Coope a ion wi h:
Leibniz Ins i u e o Ag icul u al De elopmen in T ansi ion Economies (IAMO), Halle (Saale)
Sugges ed Ci a ion: P ishchepo , Alexande ; Ponkina, Elena; Sun, Zhanli; Mülle , Daniel (2019) :
Выявление детерминант урожайности пшеницы в Западной Сибири с использованием
байесовских сетей, P os ans ennaya Ekonomika = Spa ial Economics, ISSN 2587-5957, Economic
Resea ch Ins i u e, Fa Eas e n B anch, Russian Academy o Sciences, Chaba o sk, Vol. 15, Iss. 1, pp.
39-83,
h ps://doi.o g/10.14530/se.2019.1.039-083
This Ve sion is a ailable a :
h ps://hdl.handle.ne /10419/196134
S anda d-Nu zungsbedingungen:
Die Dokumen e au EconS o dü en zu eigenen wissenscha lichen
Zwecken und zum P i a geb auch gespeiche und kopie we den.
Sie dü en die Dokumen e nich ü ö en liche ode komme zielle
Zwecke e iel äl igen, ö en lich auss ellen, ö en lich zugänglich
machen, e eiben ode ande wei ig nu zen.
So e n die Ve asse die Dokumen e un e Open-Con en -Lizenzen
(insbesonde e CC-Lizenzen) zu Ve ügung ges ell haben soll en,
gel en abweichend on diesen Nu zungsbedingungen die in de do
genann en Lizenz gewäh en Nu zungs ech e.
Te ms o use:
Documen s in EconS o may be sa ed and copied o you pe sonal
and schola ly pu poses.
You a e no o copy documen s o public o comme cial pu poses, o
exhibi he documen s publicly, o make hem publicly a ailable on he
in e ne , o o dis ibu e o o he wise use he documen s in public.
I he documen s ha e been made a ailable unde an Open Con en
Licence (especially C ea i e Commons Licences), you may exe cise
u he usage igh s as speci ied in he indica ed licence.
h ps://c ea i ecommons.o g/licenses/by/4.0/
39
Пространственная Экономика
2019. Том 15. ¹ 1. С. 39—83
JEL: C12, Q12, Q18
УДК 519.1+631.1+332.1 DOI: 10.14530/se.2019.1.039-083
Выявление детерминант урожайности
пшеницы в Западной Сибири
с использованием байесовских сетей
А.В. Прищепов, Е.В. Понькина, Ж. Сун, Д. Мюллер1
Прищепов Александр Владимирович
PhD, ассоциированный профессор
Университет Копенгагена, Департамент наук о Земле и рационального землепользования,
Øs e Voldgade 10, 1350 Københa n K, Denma k
Институт степи УрО РАН, ул. Пионерская, 11, Оренбург, Россия, 460000
Институт экологии и природопользования, Казанский федеральный университет, ул. Това-
рищеская, 5, Казань, Россия, 420097
E-mail: [email p o ec ed], [email p o ec ed]
ORCID: 0000-0003-2375-1651
Понькина Елена Владимировна
кандидат технических наук, доцент
Алтайский государственный университет, факультет математики и информационных тех-
нологий, кафедра теоретической кибернетики и прикладной математики, пр-т Ленина, 61,
Барнаул, Россия, 656049
E-mail: [email p o ec ed]
ORCID: 0000-0001-7604-6337
Сун Жанли
PhD, старший научный сотрудник
Институт аграрного развития в странах с переходной экономикой (IAMO), Theodo -Liese -
S asse 2, 06120 Halle (Saale), Ge many
E-mail: [email p o ec ed]
ORCID: 0000-0001-6204-4533
Мюллер Даниель
PhD, старший научный сотрудник
Институт аграрного развития в странах с переходной экономикой (IAMO), Theodo -Liese -
S asse 2, 06120 Halle (Saale), Ge many; Департамент географии, Университет Гумбольдта
© Прищепов А.В., Понькина Е.В., Сун Ж., Мюллер Д., 2019
© Прищепов А.В., Понькина Е.В., перевод с английского языка, 2019
P ishchepo A.V., Ponkina E.V., Sun Z., Mülle D. Re ealing he de e minan s o whea yields
in he Sibe ian b eadbaske o Russia wi h Bayesian ne wo ks. Land Use Policy, 2019, 80, 21–31.
DOI: 10.1016/j.landusepol.2018.09.038.
Перевод статьи на русский язык и размещение его в журнале «Пространственная экономи-
ка» осуществлены с согласия авторов и в соответствии c лицензией издательства ELSEVIER
№ 501466890 от 28 февраля 2019 г.
40
А.В. Прищепов, Е.В. Понькина, Ж. Сун, Д. Мюллер
ПЭ
№ 1 2019
в Берлине, Un e den Linden 6, 10099, Be lin, Ge many; Интегративный исследовательский
институт по трансформации систем взаимо действия человека с окружающей средой (IRI
THESys), Университет Гумбольдта в Берлине, Un e den Linden 6, 10099, Be lin, Ge many
E-mail: [email p o ec ed]
Аннотация. Повышение урожайности сельскохозяйственных культур играет решающую
роль в удовлетворении растущего спроса на продовольствие в мире. Россия облада-
ет значительным потенциалом увеличения сельскохозяйственного производства, не
использованным в полной мере, поскольку текущая урожайность зерновых культур
значительно ниже потенциально достижимой урожайности. Регион Западной Си-
бири – одна из важнейших житниц России, где урожайность пшеницы особенно
отстает от своего биофизического и технологического потенциала. Цель исследова-
ния заключалась в оценке детерминант пространственной вариабильности урожай-
ности пшеницы, основываясь на данных реальной практики земледелия сельскохо-
зяйственных производителей Алтайского края в Западной Сибири. Было проведено
67 структурированных интервью о потенциальных детерминантах урожайности
пшеницы с управленческим звеном сельскохозяйственных предприятий различ-
ных форм собственности, включая крестьянско-фермерские хозяйства. Интервью
были дополнены 149 наблюдениями, полученными на основе данных системати-
ческого мониторинга сельскохозяйственного производства в Алтайском крае. В ра-
боте использованы байесовские сети (БС) для представления взаимосвязей между
объясняющими переменными и урожайностью пшеницы и изучения ожидаемых
реакций продуктивности культуры в различных сценарных условиях. Результаты
показали, что более высокая урожайность чаще достигается более крупными про-
изводителями, чем средними и малыми. Результаты подтвердили наблюдения, сви-
детельствующие о том, что применение удобрений и средств защиты растений, как
и внедрение нового оборудования (технологий), оказывает положительное влияние
на среднюю урожайность пшеницы, которая является базовой в регионе. Сценарий
возрастания производственных издержек и снижения сумм осадков ожидаемо при-
ведет к снижению урожайности в среднем с 7,6 до 5,3 ц/га. В целом исследование
показало, что политика, направленная на увеличение урожайности сельскохозяй-
ственных культур, должна учитывать развитие образовательной среды менеджеров
и специалистов сельскохозяйственных предприятий и стимулировать меры по вне-
сению удобрений и соблюдение рекомендаций агрономической науки. Особенный
фокус государственной аграрной политики должен быть ориентирован на развитие
малых форм хозяйствования. Кроме того, аграрная политика должна быть направ-
лена на перспективное решение смежных проблем, одной из которых является ни-
велирование происходящего усиления засушливости климата посредством внедре-
ния адаптированных к засушливым условиям технологий возделывания культур.
Ключевые слова: байесовские сети, продовольственная безопасность, интенсивность зем-
лепользования, сценарный анализ, урожайность пшеницы, потенциал наращива-
ния урожайности, технологии возделывания, Россия
Благодарности. Исследование было финансово поддержано Федеральным министерством
Германии по образованию и исследованиям (BMBF, номер гранта 01LL0905J) в рамках
программы финансирования ‘Sus ainable Land Managemen ’, проект КУЛУНДА www.
kulunda.eu. Работа также выполнена в соответствии с финансированием Российской госу-
дарственной программы по повышению конкурентоспособности Казанского федерально-
го университета.
Для цитирования: Прищепов А.В., Понькина Е.В., Сун Ж., Мюллер Д. Выявление детерми-
нант урожайности пшеницы в Западной Сибири с использованием байесовских сетей //
Пространственная экономика. 2019. Т. 15. № 1. С. 39–83. DOI: 10.14530/se.2019.1.039-083.
41
ВЫЯВЛЕНИЕ ДЕТЕРМИНАНТ УРОЖАЙНОСТИ ПШЕНИЦЫ В ЗАПАДНОЙ СИБИРИ... ПЭ
№ 1 2019
Re ealing he De e minan s o Whea Yields
in he Sibe ian B eadbaske o Russia wi h
Bayesian Ne wo ks
A.V. P ishchepo , E.V. Ponkina, Z. Sun, D. Mulle
Alexande V. P ishchepo
PhD, Associa e P o esso
Depa men o Geosciences and Na u al Resou ce Managemen , Uni e si y o Copenhagen,
Øs e Voldgade 10, Københa n K, 1350, Denma k
Ins i u e o S eppe o he UB RAS, 11 Pione skaya S ee , O enbu g, Russia, 460000
Ins i u e o En i onmen al Sciences, Kazan Fede al Uni e si y, 5 To a isheskaya S ee , Kazan,
Russia, 420097
E-mail: [email p o ec ed], [email p o ec ed]
ORCID: 0000-0003-2375-1651
Elena V. Ponkina
Candida e o Technical Sciences, Associa e P o esso
Facul y o Ma hema ics and In o ma ion Technology, Al ai S a e Uni e si y, Lenin A enue, 61,
Ba naul, Russia, 656049
E-mail: [email p o ec ed]
ORCID: 0000-0001-7604-6337
Zhanli Sun
PhD, Senio Resea ch Fellow
Leibniz Ins i u e o Ag icul u al De elopmen in T ansi ion Economies (IAMO), Theodo -
Liese -S asse 2, Halle (Saale), 06120, Ge many E-mail: [email p o ec ed]
ORCID: 0000-0001-6204-4533
Daniel Mülle
PhD, Senio Resea ch Fellow
T ansi ion Economies (IAMO), Theodo -Liese -S asse 2, Halle (Saale), 06120, Ge many;
Geog aphy Depa men , Humbold Uni e si ä zu Be lin, Un e den Linden 6, Be lin, 10099,
Ge many; In eg a i e Resea ch Ins i u e on T ans o ma ions o Human-En i onmen Sys ems
(IRI THESys), Humbold Uni e si ä zu Be lin, Un e den Linden 6, Be lin, 10099, Ge many
E-mail: [email p o ec ed]
Abs ac . Highe c op yields a e c i ical o sa is y he ising global ood demand. Russia holds
un apped po en ial o inc easing ag icul u al p oduc ion because cu en g ain yields
a e o en a below he po en ially a ainable yields. Wes e n Sibe ia is an impo an
b eadbaske in Russia, whe e whea yields all pa icula ly sho o hei po en ial. Ou
goal was o assess he de e minan s o yield a ia ions among a me s in he p o ince
o Al ai K ai in Wes e n Sibe ia. We conduc ed 67 s uc u ed in-pe son in e iews wi h
co po a e a m manage s and indi idual a me s abou he po en ial de e minan s o whea
yields and complemen ed hese da a wi h 149 addi ional obse a ions ob ained om he
p o incial ag icul u al ex ension se ice. We used Bayesian ne wo ks (BNs) o ep esen
he ela ionships be ween he explana o y pa ame e s and con empo a y whea yields
and o examine quali a i e u u e scena ios o u u e yields. The esul s e ealed highe
yields on la ge a ms han on medium and small a ms. Ou esul s co obo a ed ha he
applica ion o e ilize s and he bicides and he implemen a ion o new equipmen had
la ge posi i e impac s on he yields. The scena io o highe u u e p oduc ion cos s and
lowe p ecipi a ion esul ed in a yield educ ion om 7.6 d /ha o 5.3. O e all, ou esul s
..
42
А.В. Прищепов, Е.В. Понькина, Ж. Сун, Д. Мюллер
ПЭ
№ 1 2019
sugges ha policies aimed a inc easing whea yields should concen a e on he educa ion
o a me s and encou age highe inpu applica ions, pa icula ly o small-scale a ms.
Addi ionally, policies should add ess concu en challenges, such as a highe d ough
equency, h ough he applica ion o new equipmen , seed ma e ial and illage p ac ices.
Keywo ds: Bayesian belie ne wo k, ood secu i y, land-use in ensi y, scena io analysis, whea
p oduc ion, yield gap, Russia
Acknowledgemen . This esea ch was unded by he Ge man Fede al Minis y o Educa ion
and Resea ch (BMBF, g an No. 01LL0905J) wi hin he unding measu e ‘Sus ainable Land
Managemen ’, KULUNDA p ojec . The wo k is pe o med acco ding o he Russian Go e nmen
P og am o Compe i i e G ow h o Kazan Fede al Uni e si y.
Fo ci a ion: P ishchepo A.V., Ponkina E.V., Sun Z., Mülle D. Re ealing he De e minan s o
Whea Yields in he Sibe ian B eadbaske o Russia wi h Bayesian Ne wo ks. P os ans ennaya
Ekonomika = Spa ial Economics, 2019, ol. 15, no. 1, pp. 39–83. DOI: 10.14530/se.2019.1.039-
083. (In Russian).
1. ВВЕДЕНИЕ
Растущий глобальный спрос на сельскохозяйственную продукцию уже
привел к расширению сельскохозяйственных земель и интенсификации сель-
скохозяйственного производства. Такой спрос, вероятнее всего, продолжит
увеличиваться в будущем (Foley, 2005; Lambin, Mey oid , 2011). Это означает,
что для удовлетворения растущих потребностей в продовольствии важную
роль будет играть наращивание урожайности сельскохозяйственных культур
на уже используемых сельскохозяйственных землях. Это возможно за счет
сокращения разрыва между текущей и биологически и технологически – по-
тенциальной урожайностью культур. Возможность повышения урожайности
частично зависит от агроэкологических условий на определенной террито-
рии, таких как качество почвы, температурный режим и режим осадков в те-
чение вегетационного периода (Economics, 2004; Mendelsohn e al., 1994). По-
мимо факторов местоположения земельного участка (следуя теории Дэвида
Рикардо) урожайность сельскохозяйственных культур зависит от множества
других факторов, в частности, от качества семенного материала, решений в
области использования техники и технологии возделывания (например, прак-
тики внесения удобрений, их дозировки, качества удобрений и сроков внесе-
ния) (Gooding, Da ies, 1997; Licke e al., 2010; Lobell e al., 2009). Различия в
урожайности между хозяйствующими субъектами можно объяснить различи-
ями в природных условиях, навыках и образовании агентов землепользования
(сельскохозяйственных производителей), решениями о внесении удобрений,
а также других элементов используемой технологии в растениеводстве и ме-
неджмента (Ga e e al., 2013; Khe ad e al., 2013; Lobell e al., 2009). В целом
понимание детерминант, определяющих и объясняющих различие в урожай-

43
ВЫЯВЛЕНИЕ ДЕТЕРМИНАНТ УРОЖАЙНОСТИ ПШЕНИЦЫ В ЗАПАДНОЙ СИБИРИ... ПЭ
№ 1 2019
ности сельскохозяйственных культур между различными хозяйствующими
субъектами, может помочь выработать меры поддержки сельскохозяйствен-
ных производителей, осознать объективную необходимость консультативных
услуг, направленных на повышение урожайности в регионе.
Россия особенно интересна в этом отношении, поскольку еще в период
Российской империи и в советское время страна стала одним из крупнейших
мировых производителей зерновых и пшеницы, в первую очередь, за счет ис-
пользования больших площадей с плодородной почвой, таких как черноземы
(D onin, Bellinge , 2005; P ishchepo e al., 2020). Однако после распада Совет-
ского Союза Россия на короткое время стала импортером пшеницы из-за рез-
кого снижения производительности в середине 1990-х гг. (Ennew, 1987; Lie e ,
Lie e , 2012). Тем не менее уже к 2008 г. Россия экспортировала 20 млн тонн
пшеницы, что составило 13% от общего мирового экспорта (Gö z e al., 2013;
T ueblood, A nade, 2001). Однако рост производства зерна был лишь частично
связан с повышением эффективности производства и увеличением исполь-
зования удобрений (Lie e , Lie e , 2017, 2012; Lioubim se a, Heneb y, 2012).
Несмотря на постепенный рост, урожайность зерновых в странах бывшего
Советского Союза и Российской Федерации до сих пор остается достаточно
низкой и составляет лишь половину биофизического потенциала (Fische e
al., 2008; Muelle e al., 2012; Имитационная…, 2001; Schie ho n e al., 2014).
На сегодняшний день непосредственные причины низкой урожайности
пшеницы в регионах России исследованы недостаточно. В некоторых ис-
следованиях использовались модели роста сельскохозяйственных культур
на основе учета биофизических процессов, но часто не в полной мере учи-
тывающих непосредственные агрономические решения по возделыванию
культур (Boogaa d e al., 2013; Pa lo a e al., 2014; Имитационная…, 2001;
Schie ho n e al., 2014). Кроме того, применение эконометрических подхо-
дов часто опирается на данные официальной статистики, агрегированной
на уровне районов и субъектов РФ. При таком подходе игнорируется про-
странственная изменчивость биофизических условий, а также различия в
специфике управлении земельными ресурсами, характерные для субъектов
РФ (Bokushe a e al., 2012; Bokushe a, Hockmann, 2006; Osbo ne, T ueblood,
2006). Детерминанты урожайности пшеницы исследовались в разных реги-
онах мира (Ali, 1996; Bane jee e al., 2014; Mann, Wa ne , 2017; Ti onell e al.,
2005). Однако научные работы, которые бы включали данные как на уров-
не хозяйствующего субъекта о принятии агрономических решений, так и
данные о биофизических условиях определенной территории, практически
отсутствуют для стран бывшего Советского Союза, включая РФ. Недоста-
точное понимание детерминант низкой урожайности сельскохозяйственных
культур в РФ препятствует выработке управленческих решений и элемен-
44
А.В. Прищепов, Е.В. Понькина, Ж. Сун, Д. Мюллер
ПЭ
№ 1 2019
тов аграрной политики, которые могли бы стимулировать рост урожайности
пшеницы в перспективе.
Одна из территорий России, где наблюдается существенный «разрыв»
между наблюдаемой и потенциальной урожайностью культур – Западная
Сибирь, в частности Алтайский край (рис. 1). Алтайский край – зерновая
житница Сибири, основной зернопроизводящий регион России за Уралом,
с плодородными почвами (черноземы), которые хорошо подходят для воз-
делывания пшеницы. С 2008 по 2012 г. Алтайский край лидировал среди
других регионов России по площади земель сельскохозяйственного назна-
чения и площади посева пшеницы в частности. При этом регион занимает
лишь 67-е место по средней урожайности пшеницы (12 ц/га) (Боговиз и др.,
2011; Регионы…, 2013). К сожалению, сельскохозяйственное производство
в Алтайском крае «унаследовало» результаты экологически нерациональ-
ной сельскохозяйственной деятельности в прошлом. Так, почвы земель
сельхозназначения в значительной степени деградированы, что является
следствием масштабного расширения пахотных земель во время целинной
кампании (1954–1963 гг.), запоздалой разработки и внедрения противоэро-
зионных мероприятий и технологий (Bischo e al., 2016; Josephson e al.,
2013; Clima e…, 2007; McCauley, 1977), а также экономических потрясений
после распада Советского Союза.
Следует отметить, что основная цель коммерчески ориентированных
сельскохозяйственных производителей состоит в том, чтобы максимизиро-
вать прибыль от сельскохозяйственного производства, в частности, достичь
максимально возможной отдачи при минимальных издержках производства
(The Ox o d…, 2014). С одной стороны, урожайность сельскохозяйственных
культур и производительность в животноводстве оказывают значительное
влияние на доходы фермеров. Однако увеличение урожайности и продук-
тивности животных, как правило, сопровождается и увеличением издер-
жек. Так, существенную долю в структуре затрат предприятия занимают
затраты на приобретение и внесение удобрений, средств защиты растений,
топливо и энергию. Поэтому интенсификация производства необязательно
может привести к увеличению конечных доходов предприятия. Таким обра-
зом, увеличение урожайности, будучи важным индикатором эффективности
сельскохозяйственного производства, не является «синонимом» улучшения
производительности, экономической устойчивости и конкурентоспособ-
ности сельскохозяйственного предприятия. В качестве меры конкуренто-
способности и устойчивости сельскохозяйственных предприятий могут
использоваться и другие индикаторы, как из перечня экономических пока-
зателей, так и субъективные оценки, отражающие личное удовлетворение
сельскохозяйственного производителя результатами производственной дея-
45
ВЫЯВЛЕНИЕ ДЕТЕРМИНАНТ УРОЖАЙНОСТИ ПШЕНИЦЫ В ЗАПАДНОЙ СИБИРИ... ПЭ
№ 1 2019
тельности. Управление сельскохозяйственным производством, в частности
ориентация на повышение урожайности культур и воспроизводство почвен-
ного плодородия, зачастую конкурирует с задачами достижения большей
прибыли, сокращения или экономии производственных затрат. Реализация
производственных задач зависит от фактического финансового и технологи-
ческого положения предприятия, сложившейся практики земледелия. Такие
данные можно получить только в ходе интервью или опроса руководителей
и менеджеров сельскохозяйственных предприятий, и эти данные не публи-
куются на уровне хозяйств в России.
В то же время анализ потенциальной урожайности зерновых и их раз-
нородных детерминант является важной компонентой исследований о том,
как уменьшить текущий «разрыв» между потенциальной и фактически по-
лучаемой урожайностью, обеспечить ее повышение в перспективе (Lobell e
al., 2009; Van I e sum e al., 2013). Анализ потенциальных потерь продуктив-
ности культур в результате негативного влияния экзогенных (например, за-
суха) и эндогенных факторов (например, деградация почвы) может теорети-
чески повлиять на решение менеджера предприятия о распределении затрат.
При этом строгое соблюдение рекомендаций агрономической науки относи-
тельно технологии выращивания пшеницы, в частности соблюдение сроков
сева, применение средств защиты растений (СЗР) и внесение удобрений,
может снизить потери урожая в критические периоды и тем самым увели-
чить среднюю урожайность культуры (Lobell e al., 2009). Выявление детер-
минант урожайности культур могло бы позволить обнаружить препятствия
ее повышения. Внедрение соответствующих элементов государственной
аграрной политики будет способствовать увеличению сельскохозяйственно-
го производства в целом в основных зернопроизводящих регионах России.
Основная цель работы – исследовать детерминанты урожайности пше-
ницы в Кулундинской степной зоне Алтайского края как одного из базовых
зернопроизводящих регионов Западной Сибири. Методологически работа
базируется на применении методов интеллектуального анализа данных, в
частности байесовских сетей (БС), используемых для исследования взаи-
мосвязей между переменными, которые определяют урожайность пше-
ницы. Сбор данных был выполнен посредством опроса и анкетирования
сельскохозяйственных производителей, менеджеров и специалистов сель-
скохозяйственных предприятий в Алтайском крае. Анкета включала вопро-
сы относительно масштабов деятельности предприятия, структуры земель-
ного фонда, структуры посевных площадей, используемых сортов культур,
севооборота, практики использования удобрений, средств защиты растений
и практикуемые мероприятия по сохранению почвенного плодородия и на-
коплению влагозапаса. Также запрашивались данные о наличии основной
46
А.В. Прищепов, Е.В. Понькина, Ж. Сун, Д. Мюллер
ПЭ
№ 1 2019
сельскохозяйственной техники (тракторы, комбайны) и посевных агрегатов.
Оценка доступности рынков сбыта осуществлялась посредством оценки
расстояний до ближайшего элеватора, районных центров и Барнаула, оцен-
ке подлежало и качество дорог на территории муниципального образова-
ния. Для оценки специфики менеджмента, практикуемого на предприятии,
респонденту было предложено оценить субъективно приоритетность целей
в развитии предприятия (максимизация прибыли, поддержание почвенно-
го плодородия, создание рабочих мест и т. д.), исполнительность рабочих,
востребованность краткосрочных кредитных средств для посевной и т. д.
Контрольные вопросы в анализе включали данные о возрасте, образовании,
опыте работы менеджера предприятия. На основе обзора литературы и ре-
зультатов дискуссий, проводимых с сельскохозяйственными производите-
лями и региональными экспертами, были установлены взаимосвязи между
объясняющими переменными и урожайностью пшеницы. Применение тех-
нологии моделирования системы взаимосвязей в виде БС позволило разра-
ботать системную модель урожайности пшеницы. С привлечением экспер-
тов разработаны сценарии альтернативных путей развития растениеводства
в регионе и с помощью байесовской сети оценено ожидаемое изменение
урожайности пшеницы в разработанных сценарных условиях.
2. ДАННЫЕ И МЕТОДЫ
2.1. Территория исследования
Кулундинская степная зона (далее – Кулунда) расположена в юго-вос-
точной части Западной Сибири и простирается от центра до юга Алтайского
края (рис. 1). Климат в Кулунде континентальный, многолетняя средняя тем-
пература –18 °C в самый холодный месяц (январь) и +19 °C в самый теплый
месяц (июль) (In e ac i e..., 2008). Число дней с температурой выше +5 °C
колеблется от 153 в северной части до 173 в южной части Кулунды (рис. 1).
Климатические условия благоприятствуют выращиванию именно яро-
вых культур (включая сорта яровой пшеницы), а не озимых, которые имеют
в целом более низкую урожайность по сравнению с озимыми культурами
(Дронин, 2014). Так, в 2012 г. около двух третей посевной площади Кулун-
динской степной зоны было засеяно яровой пшеницей (Боговиз и др., 2011;
Регионы…, 2013). Частые засухи в Алтайском крае значительно снижают
урожайность сельскохозяйственных культур и существенно повышают
климатические риски для сельскохозяйственных производителей (D onin,
Bellinge , 2005; Kogan, Guo, 2014). В целом в Кулундинской степной зоне
можно выделить три агроэкологические подзоны: 1) лесостепь, в которой
средняя урожайность пшеницы с 1996 по 2011 г. составила 15 ц/га, 2) типич-
53
ВЫЯВЛЕНИЕ ДЕТЕРМИНАНТ УРОЖАЙНОСТИ ПШЕНИЦЫ В ЗАПАДНОЙ СИБИРИ... ПЭ
№ 1 2019
Таблица 1
Описание переменных – узлов БС
Наименование
переменной Группа Описание Шкала Источник
Урожайность пшеницы
(2012 г.) Исследуемая пере-
менная Урожайность пшеницы в 2012 г., ц/га 0–5; 5–10; > 10 Результаты
опроса
Средняя урожайность
пшеницы Агроэкологические
характеристики Средняя урожайность пшеницы за период
2008–2011 гг., ц/га 0–5; 5–10; >10 Результаты
опроса
Степень засушливости
климата Агроэкологические
характеристики
Степень засушливости климата, оценка на
основе гидротермического коэффициента
увлажнения Селянинова (ГТК)
1 – высокая; 2 – средняя;
3 – низкая; 4 – не засушли-
вый климат
In e ac i e…,
2008
Сумма осадков (2012 г.) Агроэкологические
характеристики Сумма выпавших осадков (январь – де-
кабрь) в 2012 г., мм 170–210; 210–300; 300–405 Menne e al.,
2012
Деградация почв Агроэкологические
характеристики Оценка степени деградации почв Высокая / значительная;
средняя; низкая / незначи-
тельная
Парамонов,
Ишутин, 2003
Аграрное образование Персональные ха-
рактеристики Имеет ли специальное аграрное образова-
ние менеджер хозяйства? Да; нет Результаты
опроса
Возраст управляющего Персональные ха-
рактеристики Возраст руководителя предприятия, лет 20–50; 50–60; > 60 Результаты
опроса
Доля пшеницы Структурные харак-
теристики Доля пшеницы в структуре посевных
площадей < 0,36; 0,36–0,49; > 0,49 Результаты
опроса
Площадь посева
(2012 г.) Структурные харак-
теристики Общая посевная площадь в 2012 г., га < 3000; 3000–9000; > 9000 Результаты
опроса
Специализация произ-
водства Структурные харак-
теристики Доля выручки от реализации продукции
растениеводства в общем объеме
< 0,5 – преобладает животно-
водческая специализация
> = 0,5 – преобладает расте-
ниеводческая специализация
Результаты
опроса
Новый посевной агрегат Технология произ-
водства
Использует ли хозяйство новые (не
старше 5 лет) посевные агрегаты или по-
севные комплексы в технологии возделы-
вания пшеницы?
Да; нет Результаты
опроса
Новый комбайн Технология произ-
водства
Использует ли хозяйство новые (не стар-
ше 5 лет) зерноуборочные комбайны в
технологии возделывания пшеницы? Да; нет Результаты
опроса

54
А.В. Прищепов, Е.В. Понькина, Ж. Сун, Д. Мюллер
ПЭ
№ 1 2019
Наименование
переменной Группа Описание Шкала Источник
Новый трактор Технология произ-
водства
Использует ли хозяйство новые (не стар-
ше 5 лет) тракторы в технологии возделы-
вания пшеницы? Да; нет Результаты
опроса
Севооборот Технология произ-
водства
Практикуется ли чередование культур или
следование некоторому севообороту в
земледелии? Да; нет Результаты
опроса
Доля паров Технология произ-
водства Доля пашни, занятая парами < 0,12; > = 0,12 Результаты
опроса, Си-
стема…, 1981
Удобрения (2012 г.) Технология произ-
водства
Вносились ли удобрения (органические
или минеральные) в 2012 г. в технологии
возделывания пшеницы? Да; нет Результаты
опроса
СЗР (2012 г.) Технология произ-
водства Применялись ли СЗР в технологии воз-
делывания пшеницы в 2012 г.? Да; нет Результаты
опроса
Потребность в кредитах Экономическая
устойчивость пред-
приятия
Оцените, какова потребность предприятия
в привлечении краткосрочных кредитных
средств для проведения сезонных по-
левых работ
Отсутствует; низкая;
высокая Результаты
опроса
Источник: разработка авторов.
55
ВЫЯВЛЕНИЕ ДЕТЕРМИНАНТ УРОЖАЙНОСТИ ПШЕНИЦЫ В ЗАПАДНОЙ СИБИРИ... ПЭ
№ 1 2019
ную (наличие специального сельскохозяйственного образования, включая
высшее профессиональное образование, среднее специальное образование
(колледж, техникум) с вариантами «да» и «нет»).
Таблица 2
Описательная статистика для выбранных переменных БС
Переменная (узел) Шкала Априорные
вероятно-
сти Среднее
Стан-
дартное
отклоне-
ние
Метод дис-
кретизации
Урожайность
пшеницы (2012 г.)
Низкая (< 5 ц/га) 37,9 7,6 5,4 Экспертная
оценка
Средняя (5–10 ц/га) 37,4
Высокая (> 10 ц/га) 24,7
Средняя
урожайность
пшеницы
Низкая (< 5 ц/га) 22,3 10,5 6,8 Экспертная
оценка
Средняя (5–10 ц/га) 43
Высокая (> 10 ц/га) 34,7
Степень
засушливости
климата
Высокая 25,8
Экспертная
оценка
Средняя 41,3 2,2 0,97
Низкая 19,9
Засушливость не на-
блюдается 13
Сумма осадков
(2012 г.)
Ниже среднего (170–
210 мм) 30,6 260 65
Экспертная
оценка
Среднее (210–300 мм) 44
Выше среднего
(300–405 мм) 25,4
Деградация почв
Высокая 13,7 2,1 0,58 Экспертная
оценка
Средняя 65,7
Низкая 20,6
Аграрное
образование
Да 65 0,65 0,48 Экспертная
оценка
Нет 35
Возраст
управляющего
20–50 лет – постсовет-
ское поколение 30,4 51,8 11
Экспертная
оценка
50–60 лет – подготов-
ленные еще в советский
период 48,1
> 60 лет – пенсионер 21,5
Специализация
производства
< 0,5 – преимуществен-
но животноводство 46,2 0,52 0,29 Экспертная
оценка
0,5–1 – преимуществен-
но растениеводство 53,8
Площадь посева
(2012 г.)
< 3000 га – малые
хозяйства 30,4 6390 4300 Экспертная
оценка3000–9000 га – средние 40,4
> 9000 га – крупные 29,3
56
А.В. Прищепов, Е.В. Понькина, Ж. Сун, Д. Мюллер
ПЭ
№ 1 2019
Переменная (узел) Шкала Априорные
вероятно-
сти Среднее
Стан-
дартное
отклоне-
ние
Метод дис-
кретизации
Доля пшеницы
< 0,36 – незначительная
роль пшеницы в товар-
ном производстве 31,8 0,46 0,25
Экспертная
оценка
0,36–0,49 – средняя
роль пшеницы 34,0
0,49–1 – значительная
роль пшеницы, склон-
ность к монокультуре 34,2
Новый посевной
агрегат
Да 55,2 0,552 0,5 Логиче-
ский
Нет 44,8
Новый комбайн Да 55,6 0,556 0,5 Логиче-
ский
Нет 44,4
Новый трактор Да 57,5 0,575 0,5 Логиче-
ский
Нет 42,5
Севооборот Да 60,4 0,604 0,5 Логиче-
ский
Нет 39,6
Доля паров
< 0,12 – ниже среднего 51,7 0,302 0,3 Экспертная
оценка
0,12 – 1 – выше средне-
го и высокая 48,3
Удобрения (2012 г.) Да 32,2 0,322 0,47 Логиче-
ский
Нет 67,8
СЗР (2012 г.) Да 66,5 0,665 0,47 Логиче-
ский
Нет 33,5
Потребность в
кредитах Отсутствует 25,4 1,09 0,77
Экспертная
оценка
Есть, но незначитель-
ная 40,5
Высокая зависимость 34,1
Источник: расчеты авторов.
В ходе дискретизации переменная «Возраст управляющего (лет)» была
разбита на три возрастные группы: 1) постсоветское поколение (20–50 лет),
2) поколение советской эпохи (50–60 лет) и 3) пенсионеры (> 60 лет). Ана-
лиз связей показал, что образование менеджеров сельскохозяйственных
предприятий связано с возрастной группой и в целом может влиять опос-
редованно на решения относительно технологии производства пшеницы
и землепользование. Анализ данных показал, что большинство руководи-
телей сельхозпредприятий получили образование еще в советское время,
они имеют богатый опыт возделывания пшеницы в Алтайском крае, как
правило, хорошо знают условия и факторы производства. Такая категория
менеджеров старается строго следовать технологии (соблюдать сроки сева,
57
ВЫЯВЛЕНИЕ ДЕТЕРМИНАНТ УРОЖАЙНОСТИ ПШЕНИЦЫ В ЗАПАДНОЙ СИБИРИ... ПЭ
№ 1 2019
вносить удобрения и применять СЗР, соблюдать севооборот), по сравнению
с сельскохозяйственными производителями других возрастных категорий
и не имеющими аграрного образования. Однако руководители хозяйства,
достигшие пенсионного возраста часто менее склонны к внедрению новых
технологий и инноваций. Сельскохозяйственные производители, получив-
шие образование накануне распада СССР или чуть позже, более склонны к
внедрению новейших технологий в связи с большей предприимчивостью и
склонностью риску. Однако следует отметить, что молодые сельскохозяй-
ственные производители чаще не имеют аграрного образования вообще.
Масштаб хозяйства играет важную роль в практике землепользования
и возможностях развития производства. Так, крупные предприятия, обла-
дающие большими площадями земель сельхозназначения, имеют больше
возможностей в привлечении инвестиций на приобретение новой сельско-
хозяйственной техники и оборудования. Анализ собранных данных явно
выявляет дифференциацию технической обеспеченности предприятий по
масштабному фактору. Сравнивая вероятности обнаружения нового трак-
тора, комбайна или посевного агрегата в малом хозяйстве, что, в свою оче-
редь, может способствовать повышению урожайности пшеницы в целом,
обнаруживаются значительные различия с уровнем обеспеченности техни-
кой крупных предприятий. В связи с этим предприятия были разделены на
три группы по величине посевных площадей: 1) малые хозяйства (менее
3000 га), 2) средние (3000–9000 га) и 3) крупные (более 9000 га). Эти три
группы агентов землепользования могут придерживаться различных про-
изводственных стратегий и иметь различный доступ к производственным
факторам, таким как земля, капитал и трудовые ресурсы. Крупные предпри-
ятия могут представлять региональные агрохолдинги, которые часто имеют
вертикально интегрированные цепочки поставок и переработки сельскохо-
зяйственной продукции, поставок удобрений, ГСМ и сельскохозяйственной
техники и могут привлекать инвестиции от банков и акционеров (Ne edo a,
2016; Visse e al., 2012).
Важным фактором урожайности пшеницы является специализация про-
изводства, которая косвенно характеризуется долей выручки от продажи
продукции растениеводства в общем объеме (более 50% – основная специ-
ализация «растениеводство», менее или равно 50% – другая). В ходе работы
проверялось предположение о том, что если растениеводство является ос-
новной специализацией, то сельскохозяйственные производители с большей
вероятностью стремятся увеличить урожайность пшеницы, а предприятия
животноводческой специализации имеют меньшую мотивацию для повы-
шения урожайности пшеницы, особенно когда пшеница идет на фураж –
корм скоту. Поэтому мы дискретизовали переменную «Доля пшеницы» на
58
А.В. Прищепов, Е.В. Понькина, Ж. Сун, Д. Мюллер
ПЭ
№ 1 2019
три категории: 1) незначительная роль пшеницы в производстве (< 36%),
2) высокая роль пшеницы и сочетания других культур (36–49%) и 3) ос-
новная специализация в производстве пшеницы (> 49%). Последняя груп-
па чаще всего характерна для предприятий, практикующих производство
монокультур.
Агроэкологические факторы в значительной степени определяют сред-
нюю урожайность пшеницы за пять лет и определяют возможность дости-
жения более высоких урожаев. Эти факторы включают оценку деградации
почв (Парамонов, Ишутин, 2003) и степени засушливости (аридности)
климата, представленной гидротермическим коэффициентом Сельянинова
(ГТК) (In e ac i e…, 2008) и суммой осадков (Menne e al., 2012), класси-
фицированной на три группы. Анализ показал, что в районах с неблагопри-
ятными агроклиматическими и почвенными условиями сельскохозяйствен-
ные производители в меньшей степени склонны к применению удобрений и
средств защиты растений.
2.6. Валидация модели и оценка чувствительности
Оценка качества БС была выполнена с привлечением экспертов, вклю-
чала визуальную ревизию структуры DAG. Также была проведена количе-
ственная оценка точности классификации объектов по выделенным классам
урожайности пшеницы с использованием кроссвалидации. Набор данных
был разбит на обучающую и тестовую подвыборки. Результаты кроссвали-
дации позволили построить матрицу ошибок и вычислить среднюю ошибку
классификации.
Тестирование на отсутствие статистических связей позволило оценить
силу связей между узлами. Поскольку каждый узел описан набором дис-
кретных состояний, мы выполнили попарное тестирование гипотез о неза-
висимости переменных (альфа = 0,05) в пакете HuginTM, используя модуль
Fea u e Selec ion Analyze (табл. 3)1. Также был выполнен тест чувствитель-
ности целевого узла (урожайности пшеницы в 2012 г.) к изменению состоя-
ний всех других переменных в модели.
2.7. Оценка урожайности пшеницы в различных сценарных условиях
Анализ изменений ожидаемой величины урожайности пшеницы вы-
полнен для различных сценариев, отображающих граничные состояния
1 В ходе проверки гипотезы об условной независимости случайных переменных исполь-
зуется критерий Хи-квадрат. Полученное p- alue характеризует вероятность условной неза-
висимости двух дискретных случайных величин. Значение p- alue меньше, чем доверительная
вероятность a = 0,1; 0,05 или 0,01, указывает на зависимость (коллинеарность) пары перемен-
ных. Таким образом, наиболее тесная связь между случайными переменными характеризуется
более близким значением p- alue к нулю.

59
ВЫЯВЛЕНИЕ ДЕТЕРМИНАНТ УРОЖАЙНОСТИ ПШЕНИЦЫ В ЗАПАДНОЙ СИБИРИ... ПЭ
№ 1 2019
Таблица 3
Оценки p- alue (вероятности) условной независимости случайных переменных БС. Результаты попарной оценки статистической
значимости связей между выбранными переменными (узлами) БС (p- alue=0,05)
Переменная x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16 x17 x18
Урожайность пшеницы
(2012 г.) x1 –
Средняя урожайность пше-
ницы x2 0,00 –
Удобрения (2012 г.) x3 0,04 0,00 –
Площадь посева (2012 г.) x4 0,10 0,41 0,10 –
Специализация производ-
ства x5 0,00 0,13 0,70 0,00 –
Сумма осадков (2012 г.) x6 0,00 0,00 0,10 0,39 0,88 –
СЗР (2012 г.) x7 0,00 0,00 0,13 0,02 0,35 0,02 –
Степень засушливости
климата x8 0,32 0,02 0,27 0,09 0,07 0,00 0,19 –
Доля паров x9 0,00 0,01 0,13 0,01 0,00 0,01 0,93 0,23 –
Потребность в кредитах x10 0,93 0,16 0,14 0,00 0,62 0,92 0,46 0,17 0,48 –
Новый комбайн x11 0,28 0,10 0,00 0,00 0,27 0,62 0,01 0,73 0,20 0,08 –
Новый трактор x12 0,21 0,00 0,05 0,01 0,55 0,60 0,03 0,73 0,00 0,30 0,00 –
Новый посевной агрегат x13 0,14 0,02 0,10 0,00 0,75 0,84 0,04 0,01 0,06 0,01 0,00 0,00 –
Доля пшеницы x14 0,16 0,48 0,07 0,00 0,00 0,07 0,05 0,00 0,79 0,05 0,14 0,54 0,26 –
Деградация почвы x15 0,15 0,02 0,19 0,05 0,76 0,00 0,08 0,00 0,34 0,56 0,28 0,30 0,02 0,62 –
Севооборот x16 0,30 0,26 0,66 0,60 0,05 0,60 0,06 0,07 0,93 0,97 0,22 0,54 0,08 0,37 0,24 –
Аграрное образование x17 0,26 0,07 0,18 0,00 0,77 0,24 0,05 0,29 0,87 0,94 0,03 0,02 0,53 0,03 0,07 0,31 –
Возраст управляющего x18 0,98 0,63 0,36 0,57 0,35 0,43 0,43 0,09 0,49 0,50 0,99 0,16 0,69 0,65 0,93 0,41 0,00 –
Примечание. В таблице A2 приводятся результаты вычисления p- alue между парами дискретных переменных, отобранных для по-
строения БС. Следует отметить, что подобный анализ не дает возможность установить, являются такие взаимосвязи между переменными
положительными или отрицательными. Однако результат дает информацию о том, какие взаимосвязи стоит включить в БС. Идентификация
статистически значимых отношений между дискредитированными переменными позволяет построить предварительную структуру БС, кото-
рая в дальнейшем подвергается экспертизе. Использование FSA зачастую позволяет выявлять новые, ранее неисследованные связи.
Жирным шрифтом выделены значения, удовлетворяющие p- alue<0,05 и описывающие статистически значимые взаимосвязи в БС.
Источник: расчеты авторов.
60
А.В. Прищепов, Е.В. Понькина, Ж. Сун, Д. Мюллер
ПЭ
№ 1 2019
внешней среды (Alcamo, 2001). Разработка сценариев заключалась в вы-
боре из множества качественных «сюжетных линий» вариантов, полезных
для описания потенциальных изменений в неопределенных и непредсказу-
емых ситуациях, в частности, экономические условия или изменение кли-
мата (Pe e son e al., 2003). Разработка сценариев является ценным подхо-
дом анализа неопределенности, связанной с развитием событий в будущем
(Ca pen e e al., 2006; Special…, 2000; Mallampalli e al., 2016).
В случае Кулундинской степной зоны в анализе использованы четыре
сценария: «Экономически неблагоприятные условия», «Экономически бла-
гоприятные условия», «Меньше осадков» и «Больше осадков» (табл. 4).
Сюжетные линии, связанные с каждым сценарием, были получены в ходе
однодневного рабочего семинара в 2013 г. с участием лиц, принимающих
решения, ученых, а также во время отдельного однодневного семинара с
сельскохозяйственными производителями. В рамках семинаров обсужда-
лись ожидаемые последствия в области сельского хозяйства и производства
пшеницы в случае следования тем или иным сюжетным линиям.
Сценарий № 1 – «Экономически неблагоприятные условия» – предпо-
лагает увеличение стоимости и, соответственно, расходов на приобретение
новой сельскохозяйственной техники, цен на удобрения и средства защиты
растений. В частности, экономическая ситуация, наблюдавшаяся в 2014–
2016 гг., девальвация российского рубля, сопровождавшаяся увеличением
процентных ставок по кредитам и повышением стоимости инвестиций,
схожа с кризисным сценарием. Повышение цен на ресурсы и сельхозтехни-
ку и их долгосрочное удержание без сопровождения роста цен на товарную
продукцию ожидаемо приведет к сокращению использования удобрений
и средств защиты растений, отказу от приобретения нового оборудования
и сельхозтехники. Таким образом, общий экономический климат, дефицит
бюджетных средств ожидаемо подтолкнул бы правительство к сокраще-
нию субсидий сельскому хозяйству в целом и растениеводству в частности.
Очевидно, что сельскохозяйственное производство в таких условиях раз-
вивалось бы по экстенсивному типу и, соответственно, урожайность бы не
росла.
Сценарий № 2 – «Экономически благоприятные условия» – предполага-
ет благоприятную экономическую среду развития сельского хозяйства, со-
провождающуюся увеличением прибыли, доступностью инвестиций и, со-
ответственно, более интенсивным освоением инвестиций, приобретением
техники и оборудования, доступностью основных ресурсов в производстве
(удобрения и гербициды). Общий благоприятный экономический климат
может стимулировать правительство к увеличению расходов на развитие
сельхозпроизводства и его субсидирование.
61
ВЫЯВЛЕНИЕ ДЕТЕРМИНАНТ УРОЖАЙНОСТИ ПШЕНИЦЫ В ЗАПАДНОЙ СИБИРИ... ПЭ
№ 1 2019
Сценарий № 3 – «Меньше осадков» – включает уменьшение суммы го-
довых осадков на 25% (с 256 мм до 190 мм для Кулунды) в соответствии
с прогнозами Федеральной службы по гидрометеорологии и мониторингу
окружающей среды России (Second…, 2014), что также соответствует сце-
нариям Межправительственной группы экспертов по изменению климата
(МГЭИ, IPCC).
Сценарий № 4 – «Больше осадков» – предполагает положительные тен-
денции изменения климата с 35%-ным увеличением осадков (с 256 до 320 мм
для Кулунды), что соответствует верхней границе сценариев МГЭИК.
Таблица 4
Сценарии
Параметр
Сценарий
№ 1 – «Эко-
номически
неблаго-
приятные
условия»
Сценарий
№ 2 –
«Экономи-
чески бла-
гоприятные
условия»
Сценарий № 3 –
«Меньше осадков» Сценарий № 4 –
«Больше осадков»
Базо-
вый
№ 3 3.1 3.2 Базо-
вый
№ 4 4.1 4.2
Экономиче-
ская ситуация Кризис Подъем Бизнес
как
обычно
Кри-
зис Подъ-
ем
Бизнес
как
обычно Кризис Подъ-
ем
Климатиче-
ские измене-
ния
Бизнес как
обычно
Бизнес
как
обычно
Нега-
тивное Нега-
тивное Нега-
тивное Пози-
тивное Пози-
тивное Пози-
тивное
Источник: разработка авторов.
Очевидно, что сюжетные линии сценариев могут иметь пересечение, по-
этому были разработаны варианты сценариев благоприятного и неблагопри-
ятного изменений климата (№ 3 и № 4) для различных вариантов экономи-
ческих условий: сценарии № 1 и № 2. Пересечение сценариев описывается
вариантами № 3.1, 4.1 и № 3.2, 4.2. Дополнительные сценарии позволили
получить нижние и верхние оценки урожайности пшеницы. Для перевода
качественных сценариев в количественные оценки мы использовали об-
ученные БС (Mallampalli e al., 2016). Моделирование сценарных условий
осуществлялось посредством выбора соответствующих сценарию параме-
тров в модели и оценки ожидаемых последствий по величине урожайности
пшеницы другим параметрам (табл. 4).
3. РЕЗУЛЬТАТЫ
3.1. Байесовская сеть
Конечная сеть содержит 17 переменных и целевую переменную «Уро-
жайность пшеницы (2012 г.)» (рис. 2). Анализ связей показал, что уро-
62
А.В. Прищепов, Е.В. Понькина, Ж. Сун, Д. Мюллер
ПЭ
№ 1 2019
жайность пшеницы в 2012 г. напрямую зависит от средней четырехлетней
урожайности культуры в предшествующий период. Множество перемен-
ных, имеющих прямую связь с целевым узлом, включает (2012 г.): «Сумма
осадков» (мм), «Площадь посева» (га), «Доля пшеницы в посевной площа-
ди», «Специализация производства» (растениеводство / другое), «Удобре-
ния» – внесение (да / нет) и «Средства защиты растений» – применение
(да / нет).
Средняя четырехлетняя урожайность пшеницы зависит в БС от долго-
срочных агрономических решений (следование севообороту (да / нет), доля
паров (%), специализация производства), масштабов деятельности и пара-
метров естественной пригодности территории (степень засушливости кли-
мата и степень деградации почвы). При этом средняя урожайность явилась
определяющим фактором применения СЗР и удобрений.
Переменные возраст и образование менеджера сельскохозяйственного
предприятия определяют вариацию в узлах «Доля пшеницы» и фактов при-
менения средств защиты растений в 2012 г. Например, четко прослежива-
ются связи:
Возраст управляющего → Аграрное образование → Доля пшеницы →
→ Урожайность пшеницы (2012 г.)
Возраст управляющего → Аграрное образование → СЗР (2012 г.) →
→ Урожайность пшеницы (2012 г.)
Наличие новой современной техники и оборудования оказывает поло-
жительное влияние на ожидаемую урожайность пшеницы в 2012 г., опреде-
ляя в значительной степени обрабатываемые площади земли (рис. 2).
На рисунке 2 показана БС с начальными, априорными вероятностями
случайных событий отобранных переменных, основные из них:
•  только 24,7% сельскохозяйственных предприятий имели урожайность
более 10 ц/га в 2012 г., а 38% хозяйств получили урожайность менее 5 ц/га;
•  67% обследованных предприятий ведет производство в условиях
средней и высокой засушливости климата;
•  79% предприятий располагаются на территориях со средней и высо-
кой степенью деградации сельхозугодий;
•  40% хозяйств представляют средние по масштабам деятельности
предприятия (3000–9000 га);
•  более 42% опрошенных сельхозтоваропроизводителей не имели в рас-
поряжении на момент опроса новые тракторы, комбайны и посевные агре-
гаты (возрастом не старше пяти лет), часто полагались исключительно на
старую сельскохозяйственную технику, еще советского периода;
67
ВЫЯВЛЕНИЕ ДЕТЕРМИНАНТ УРОЖАЙНОСТИ ПШЕНИЦЫ В ЗАПАДНОЙ СИБИРИ... ПЭ
№ 1 2019
жайностью, которые обычные модели регрессии не позволяют исследовать.
Так, была обнаружена связь между возрастом руководителя предприятия и
наличием специального аграрного образования. Что демонстрирует «запо-
здалость» развития образовательной среды в регионе, возможно, связанное
с недостаточным финансированием. Факторы образования и возраста име-
ют связь с внедрением новых технологий, использованием нового оборудо-
вания и строгим выполнением рекомендаций в области агрономии, что явля-
ется предпосылкой для достижения более высокой урожайности пшеницы
(Ba o o a e al., 2017). Большая часть руководителей хозяйств представляют
постсоветское поколение (возрастная группа 20–50 лет), часто не имеют
специального аграрного образования, по сравнению с респондентами пред-
и пенсионного возраста (возрастная группа старше 50 лет). К сожалению,
большая часть молодежи, получающая специальное аграрное образование,
как правило, не стремится возвращаться в сельские районы для проживания
и работы в сельском хозяйстве, тем самым усугубляя нехватку квалифици-
рованных кадров в сельских территориях (Bednaříko á e al., 2016). Совре-
менная сельскохозяйственная политика в России и Алтайском крае в частно-
сти не в полной мере нацелена на решение вопроса о привлечении молодых
специалистов в сельские районы. Отсутствие квалифицированной рабочей
силы оказывает влияние на инновационную активность и внедрение новых
практик земледелия, в частности Mini-Till и No-Till – технологий, которые
могут способствовать повышению урожайности пшеницы (Ba o o a e al.,
2017). Между тем доказано, что улучшение образования руководителей
сельскохозяйственных предприятий может способствовать повышению до-
стигаемой продуктивности культур, а также раскрытию сельскохозяйствен-
ного потенциала в исследуемом регионе (Russian…, 2009).
Байесовская сеть выявила, что сельскохозяйственные предприятия, ко-
торые инвестировали в новую современную технику в предыдущие годы,
имели более высокую урожайность пшеницы в засушливом 2012 г. При этом
опрос показал, что 42% опрошенных сельскохозяйственных предприятий
не приобретали новую технику в последние пять лет, 40% опрошенных не
практиковали севооборот, 68% и 34% сельскохозяйственных предприятий
не использовали удобрения и средства защиты растений соответственно.
В результате урожайность пшеницы в исследуемом регионе остается до-
статочно низкой и значительно ниже биологически потенциального уровня
(Swinnen e al., 2017). Если российское правительство ставит своей целью
стимулировать рост урожайности пшеницы в Западной Сибири, необходи-
мо укрепить финансовые стимулы для обновления сельскохозяйственной
техники и использования удобрений и других входящих ресурсов для вы-
ращивания пшеницы.

68
А.В. Прищепов, Е.В. Понькина, Ж. Сун, Д. Мюллер
ПЭ
№ 1 2019
Исследование показало практически полное отсутствие сотрудничества
или кооперации между сельскохозяйственными производителями, а также
практически полное отсутствие сервисных услуг, помогающих распростра-
нению знаний и инноваций в Алтайском крае. Сотрудничество между пред-
приятиями и развитые консалтинговые услуги обеспечивают снижение
издержек производства и стимулируют к внедрению более эффективных
производственных технологий (Russian…, 2009). Атмосфера недоверия и
коммуникативные барьеры препятствуют сотрудничеству между сельско-
хозяйственными производителями. Более того, некоторые руководители не
заинтересованы в увеличении производственных расходов, в частности на
внесение удобрений, даже если бы это привело к увеличению урожайно-
сти. Такая ситуация возникает в связи с ожиданием более высоких про-
изводственных издержек, как следствие, более высоких производственных
рисков, особенно при ситуации экономической стагнации и спада в по-
следние годы. Тем не менее следование агрономическим рекомендациям,
таким как соблюдение сроков сева, следование севообороту и уход от моно-
культуры, применение СЗР и внесение удобрений, должно способствовать
увеличению урожайности. Аналогичные рекомендации дают специалисты
Главного управления сельского хозяйства Алтайского края. В целом для
повышения урожайности культур следует повысить культуру земледелия,
особенно следует акцентировать внимание на группе малых хозяйств, в
которых в большей массе и наблюдаются нарушения рекомендаций агро-
номической науки.
4.2. Урожайность пшеницы при различных сценариях
Огромным преимуществом БС является возможность ее использования
для оценки ожидаемых изменений урожайности культуры при различных
сценариях. Вероятностный характер БС делает этот метод привлекатель-
ным для прогностических выводов. В нашем случае урожайность пшеницы
при выбранных четырех сценариях показала правдоподобные вариации. В
ходе проведенного в 2013 г. опроса и в процессе разработки сценариев в
2013 г. Россия еще не была в фазе экономической стагнации. Однако сце-
нарий «Экономически неблагоприятные условия», в отношении которого
мы предположили сокращение приобретения новой сельскохозяйственной
техники, применения удобрений, СЗР и снижение доступности кредитов
(рис. 2), в полной мере отражает развитие ситуации в аграрном секторе Рос-
сии. В то же время симуляция приобретения новой сельскохозяйственной
техники и более интенсивного использования удобрений ясно показала по-
ложительное влияние на достигаемую урожайность (сценарий «Экономиче-
ски благоприятные условия»).
69
ВЫЯВЛЕНИЕ ДЕТЕРМИНАНТ УРОЖАЙНОСТИ ПШЕНИЦЫ В ЗАПАДНОЙ СИБИРИ... ПЭ
№ 1 2019
В 2016 г. в Алтайском крае наблюдались благоприятные погодные ус-
ловия для ведения сельского хозяйства, что позволило достичь хорошей
урожайности пшеницы в исследуемом регионе (11,9 ц/га). В тот же момент
достигнутая урожайность была одной из самых низких среди российских ре-
гионов (в среднем 15,7 ц/га) (Центральная…, 2016). Урожайность пшеницы в
2012 г. была низкой из-за засухи, которые стали чаще в последние годы
(Kogan, Guo, 2014). Поэтому в анализе было смоделировано снижение осад-
ков на 25% (сценарий № 3) путем изменения состояния в соответствующем
узле БС «Сумма осадков (2012 г.)» (рис. 2). Это симулированное изменение
осадков привело к существенному снижению достигнутой урожайности
пшеницы. Прогнозируемое увеличение частоты засух и других экстремаль-
ных явлений в исследуемом регионе (Second…, 2014) делает необходимым
принятие мер по противодействию неблагоприятным климатическим усло-
виям. К сожалению, нынешняя аграрная политика не способствует адапта-
ции сельхозпроизводителей к происходящим климатическим изменениям.
Несмотря на прогнозируемое увеличение засушливости климата в районе
исследования, ученые также ожидают увеличение распространения вредите-
лей и болезней пшеницы, что еще раз подчеркивает важность совершенство-
вания технологий растениеводства и применения средств защиты растений
для достижения более высокой продуктивности культур (Second..., 2014).
Реализация политики, направленной на адаптацию аграрной сферы к
ожидаемым климатическим изменениям, могло бы способствовать сниже-
нию экономических потерь предприятий всех категорий и обеспечить их
устойчивое функционирование. Одной из таких практик является внедре-
ние технологий «климатически умного» сельского хозяйства. Правитель-
ство РФ разработало доктрину, одной из задач которой является адаптация
экономики к неблагоприятным изменениям климата (Clima e…, 2009). Од-
нако наблюдается несоответствие между целями доктрины и существующей
законодательной и институциональной средой, которая не в полной мере
позволяет развить возможности и пути адаптации к неблагоприятным кли-
матическим изменениям сельхозтоваропроизводителей (Thees eld, Jelinek,
2017). Например, государственная программа развития сельского хозяйства
до 2020 г. (Государственная…, 2013) не учитывает уже существующие тех-
нологические и производственные «разрывы» между малыми, средними и
крупными хозяйствами. Следует также отметить, что сценарий «Экономи-
чески неблагоприятные условия» показывает более негативные последствия
в изменении урожайности пшеницы по сравнению со сценарием «Увели-
чение степени засушливости климата», что подтверждает первоочередную
важность создания и поддержания благоприятных экономических условий
для ведения сельского хозяйства.
70
А.В. Прищепов, Е.В. Понькина, Ж. Сун, Д. Мюллер
ПЭ
№ 1 2019
4.3. Ограничения байесовской модели и проведенного исследования
БС позволила исследовать статистические ассоциации между урожай-
ностью пшеницы и выбранными переменными. Однако установленные
причинно-следственные связи следует интерпретировать осторожно из-за
построенной модели, представляющей фактически один временной срез.
Байесовская сеть была представлена достаточно простой из-за небольшого
числа наблюдений (всего 216). По этой причине были выбраны лишь не-
которые из многих первоначально отобранных переменных. Некоторые по-
тенциально важные факторы продуктивности, в частности, использование
технологии (No-Till, Mini-Till, S ip-Till, элементы технологии по задержа-
нию почвенной влаги и практикуемые противоэрозионные мероприятия),
не могли быть учтены в модели. Следует отметить, что лишь несколько
сельскохозяйственных предприятий в полученной выборке практиковали
No-Till. Построенная модель предполагает, что строгое выполнение уже су-
ществующих и широко используемых рекомендаций по технологии выра-
щивания пшеницы может привести к значительно более высокой урожайно-
сти. Несмотря на то, что разработанная модель отражала пространственное
изменение агроэкологических характеристик в регионе исследования, вари-
абильность агроэкологических характеристик внутри сельскохозяйствен-
ных предприятий и на уровне сельскохозяйственных полей мы учесть не
смогли в связи с недоступностью таких данных. Использование расширен-
ных данных до уровня полей позволило бы дополнить информацию о вли-
янии природных факторов на решения в области технологий и повышение
урожайности культуры.
Возможность БС аппроксимировать отсутствующие значения в дан-
ных позволила использовать два разных набора данных (результаты опро-
са и результаты статистического мониторинга ГУСХ Алтайского края), что
привело к более высокой точности в объяснении различий в урожайности
пшеницы среди сельскохозяйственных предприятий различных категорий
в Кулундинской степной зоне. Однако моделирование БС в пакете Ne ica
не может быть выполнено по непрерывным данным. Все непрерывные пе-
ременные должны быть дискретизированы, что приводит к потере инфор-
мации и субъективизму в формировании границ интервалов. Более того,
ациклическая структура БС не позволяет отобразить обратные связи между
переменными. Тем не менее данное исследование продемонстрировало по-
лезность БС для изучения сложной взаимосвязи между социально-эконо-
мическими и агроэкологическими факторами, которые определяют урожай-
ность пшеницы.
Несмотря на то, что сокращение разрывов между текущей и потенциаль-
ной урожайностью является важной мерой для увеличения сельскохозяй-
71
ВЫЯВЛЕНИЕ ДЕТЕРМИНАНТ УРОЖАЙНОСТИ ПШЕНИЦЫ В ЗАПАДНОЙ СИБИРИ... ПЭ
№ 1 2019
ственного производства, такое сокращение следует увязывать с воздействи-
ем на окружающую среду и потенциальными эмиссиями парниковых газов
(Fische , 2013; Kamp, 2014). Увеличение и стабилизация урожайности осо-
бенно актуальны в Кулундинской степной зоне в связи с процессами дегра-
дации почв и негативными прогнозами климатических изменений. В рамках
данной работы мы использовали только одно измерение производительности
сельскохозяйственных предприятий, а именно – урожайность. Другие факто-
ры, такие как доход, прибыль и в целом удовлетворение результатами сель-
скохозяйственного производства, могут использоваться для исследования
факторов конкурентоспособности и экономической устойчивости сельскохо-
зяйственных производителей. Такие исследования осложнены недоступно-
стью таких данных на уровне сельскохозяйственных предприятий в России.
5. ЗАКЛЮЧЕНИЕ
Исследование ориентировано на изучение детерминант урожайности
пшеницы в Сибирском федеральном округе РФ, где в среднем за период
2010–2012 гг. было выращено 23% российской пшеницы. Анализ сосре-
доточен на Алтайском крае, где производится 21% пшеницы в Сибири и
азиатской части России. Данное исследование представляет собой первый
комплексный анализ детерминант урожайности пшеницы среди постсовет-
ских стран и России путем объединения биофизических и микроэкономиче-
ских данных на уровне сельскохозяйственных предприятий. Для этого была
разработана байесовская сеть, которая оказалась гибким инструментом,
что позволило объединить качественную информацию с количественными
данными. Комбинация графического интерфейса с эмпирическим анализом
позволила включить качественные экспертные знания заинтересованных
сторон с количественными данными. Результаты подчеркивают необхо-
димость совершенствования управленческих решений в области ведения
сельского хозяйства в регионе, что должно способствовать выработке по-
литики, направленной на повышение урожайности сельскохозяйственных
культур. Такие практики могли быть направлены на дополнительные ин-
вестиции в обучение управленческого звена сельскохозяйственных пред-
приятий, строгое соблюдение существующих рекомендаций по технологии
выращивания пшеницы, а также в стимулирование развития экологически
чистого сельского хозяйства. Следует подчеркнуть, что региональная аграр-
ная политика должна учитывать различия в структурных характеристиках
сельскохозяйственных предприятий, в частности, особенно усилить акцент
на развитии малых предприятий и восполнить «пробел» в предоставлении
услуг по распространению знаний, которые должны способствовать уве-
72
А.В. Прищепов, Е.В. Понькина, Ж. Сун, Д. Мюллер
ПЭ
№ 1 2019
личению продуктивности культуры. Более того, учитывая негативные про-
гнозы относительно климатических изменений и их влияния на показатели
урожайности культур в Западной Сибири, региональная аграрная политика
должна способствовать подготовке сельскохозяйственных производителей
и их адаптации к ожидаемым климатическим изменениям, в частности, по-
вышению частоты засух. Проведенный анализ кажется еще более важным с
учетом растущего спроса на сельскохозяйственную продукцию в мире, не-
благоприятных прогнозов изменения климата, деградации почв и влияния
множества экономических, институциональных и природных факторов на
ведение сельского хозяйства в регионе.
БЛАГОДАРНОСТИ
Мы выражаем благодарность Владимиру Беляеву, Андрею Бондаровичу,
Юрию Бугай, Ирине Ковалевой, Никите Кожанову и Валентине Кундиус за
организацию интервью с сельскохозяйственными производителями и подго-
товку команд по проведению интервью. Авторы выражают отдельную бла-
годарность Веронике Куиринг за подготовку данных. Мы благодарим наши
семьи и друзей за их терпение во время проведения полевых исследований и
при подготовке статьи. Мы также благодарим двух анонимных рецензентов
за их ценные комментарии, которые позволили улучшить статью.
СПИСОК ЛИТЕРАТУРЫ
Боговиз А.В., Лобова С.В., Оскорбин Н.М., Понькина Е.В., Маничева А.С. Проблемы
повышения рентабельности производства зерна в условиях Алтайского края. Бар-
наул: Изд-во Алтайского университета, 2011. 275 с.
Государственная программа по развитию сельского хозяйства и регулированию
рынков сельскохозяйственной продукции, сырья и продовольствия на 2013–
2020 годы: утверждена постановлением Правительства РФ от 14 июля 2012 года
№ 717 / Министерство сельского хозяйства РФ. 2013.
Дронин Н.М. Изменение климата и продовольственная безопасность России: истори-
ческий анализ и модельные прогнозы. М.: ГЕОС, 2014. 303 с.
Еремин А.А., Быков Н.И. Демографическая ситуация в Алтайском крае на современ-
ном этапе (1990–2010 гг.) / Алтайский государственный университет. Барнаул:
Азбука, 2011. 272 с.
Имитационная модель роста сельскохозяйственных растений WOFOST и ее исполь-
зование для анализа продуктивности земель России / под ред. И.Ю. Савина,
B.C. Столбового, К. ван Диепена; Почвенный институт им. В.В. Докучаева. М.:
РАСХН, 2001. 216 с.
Об утверждении порядка предоставления из краевого бюджета субсидий на оказа-
ние несвязной поддержки сельскохозяйственных товаропроизводителей в об-
ласти растениеводства: постановление администрации Алтайского края от
21 февраля 2014 г. № 70 (изменено 8 июля 2015, постановление № 26). URL:

73
ВЫЯВЛЕНИЕ ДЕТЕРМИНАНТ УРОЖАЙНОСТИ ПШЕНИЦЫ В ЗАПАДНОЙ СИБИРИ... ПЭ
№ 1 2019
h ps://www.al ai egion22. u/upload/iblock/e 3/70_14.pd (дата обращения: ноябрь
2017)
Парамонов Е.Г., Ишутин Я.Н., Симоненко А.П. Кулундинская степь: проблемы опу-
стынивания / ред. Л.И. Базина. Барнаул: Изд-во Алтайского государственного
университета, 2003. 137 с.
Понькина Е., Беляев В., Боварова М., Прищепов А., Майнель Т., Бугай Ю., Ковалева И.,
Кожанов Н., Казарджян М., Фрюауф М. Экономические, экологические, техно-
логические факторы и результаты деятельности сельскохозяйственных предпри-
ятий в условиях Кулундинской степи. Барнаул: Изд-во Алтайского государствен-
ного университета, 2014. 140 с.
Регионы России. Социально-экономические показатели. 2013: стат. сб. / ФСГС.
2013. URL: h p://www.gks. u/wps/wcm/connec / oss a _main/ oss a / u/s a is ics/
publica ions/ca alog/doc_1138623506156 (дата обращения: ноябрь 2017).
Система земледелия в Алтайском крае / Алтайский НИИСХ. Новосибирск, 1981. 326 с.
Центральная база статистических данных / ФСГС. 2016. URL: h p://www.gks. u/
dbsc ip s/cbsd/dbine .cgi (дата обращения: ноябрь 2017).
Adhika i C., Adhika y B., Rajbhanda i N.P., Hoope M., Up e i H.K., Gyawali B.K.,
Rajbhanda i N.K., Hobbs P.R. Whea and Rice in he Mid-Hills o Nepal: A Benchma k
Repo on Fa m Resou ces and P oduc ion P ac ices in Ka e Dis ic . Ka hmandu:
NARC; CIMMYT, 1999. 26 p. URL: h ps:// eposi o y.cimmy .o g/xmlui/bi s eam/
handle/10883/3937/68337.pd (дата обращения: ноябрь 2017).
Ag icul u e. Canada Yea Book 2011 / S a is ics Canada. 2011. URL: h ps://www150.
s a can.gc.ca/n1/pub/11-402-x/2011000/chap/ag/ag-eng.h m (дата обращения: но-
ябрь 2017).
Aguile a P.A., Fe nández A., Fe nández R., Rumí R., Salme ón A. Bayesian Ne wo ks in
En i onmen al Modelling // En i onmen al Modelling and So wa e. 2011. Vol. 26.
Issue 12. Pp. 1376–1388. DOI: 10.1016/j.en so .2011.06.004.
Alcamo J. Scena ios as Tools o In e na ional En i onmen al Assessmen s / Eu opean
En i onmen Agency. En i onmen al Issue Repo No. 24. 2001. 31 p. URL: h ps://
www.eea.eu opa.eu/publica ions/en i onmen al_issue_ epo _2001_24/ ile (дата об-
ращения: ноябрь 2017).
Ali M. Quan i ying he Socio-Economic De e minan s o Sus ainable C op P oduc ion: An
Applica ion o Whea Cul i a ion in he Ta ai o Nepal // Ag icul u al Economics. 1996.
Vol. 14. Issue 1. Pp. 45–60. DOI: 10.1016/0169-5150(95)01161-7.
Bane jee H., Goswami R., Chak abo y S., Du a S., Majumda K., Sa yana ayana T.,
Ja M.L., Zingo e S. Unde s anding Biophysical and Socio-Economic De e minan s o
Maize (Zea mays L.) Yield Va iabili y in Eas e n India // Wageningen Jou nal o Li e
Sciences. 2014. Vol. 70–71. Pp. 79–93. DOI: 10.1016/j.njas.2014.08.001.
Ba o o a M., Imam e diye N., Ponkina E. Fa m-Le el Economics o Inno a i e Tillage
Technologies: The Case o No-Till in he Al ai K ai in Russian Sibe ia // En i onmen al
Science and Pollu ion Resea ch. 2018. Vol. 25. Issue 2. Pp. 1016–1032. DOI: 10.1007/
s11356-017-9268-y.
Bednaříko á Z., Ba o o á M., Ponkina E.V. Mig a ion Mo i a ion o Ag icul u ally
Educa ed Ru al You h: The Case o Russian Sibe ia // Jou nal o Ru al S udies. 2016.
Vol. 45. Pp. 99–111. DOI: 10.1016/j.j u s ud.2016.03.006.
Bischo N., Miku a R., Shibis o a O., Puzano A., Reiche E., Silan e a M., G ebenniko-
a A., Schaa schmid F., Heinicke S., Guggenbe ge G. Land-Use Change Unde
Di e en Clima ic Condi ions: Consequences o O ganic Ma e and Mic obial
Communi ies in Sibe ian S eppe Soils // Ag icul u e Ecosys ems & En i onmen . 2016.
Vol. 235. Pp. 253–264. DOI: 10.1016/j.agee.2016.10.022.
74
А.В. Прищепов, Е.В. Понькина, Ж. Сун, Д. Мюллер
ПЭ
№ 1 2019
Blanc E., Lepine A., S obl E. De e minan s o C op Yield and P o i o Family Fa ms:
E idence F om he Senegal Ri e Valley / Depa men o Resea ch, IPAG Business
School. Wo king Pape s 2014-596. 2014.
Bloch P., Melmed-Sanjak J., Hanson R. The Deba e o e Ag a ian S uc u e in Macedonia:
Implica ions o Land Managemen // T ansac ions in In e na ional Land Managemen /
Edi ed by R.W. Dixon-Gough, R. Mansbe ge . London – New Yo k: Rou ledge. 2000.
Pp. 1–26.
Bokushe a R., Hockmann H. P oduc ion Risk and Technical Ine iciency in Russian
Ag icul u e // Eu opean Re iew o Ag icul u al Economics. 2006. Vol. 33. Issue 1.
Pp. 93–118. DOI: 10.1093/e ae/jbi036.
Bokushe a R., Hockmann H., Kumbhaka S.C. Dynamics o P oduc i i y and Technical
E iciency in Russian Ag icul u e // Eu opean Re iew o Ag icul u al Economics. 2012.
Vol. 39. Pp. 611–637. DOI: 10.1093/e ae/jb 059.
Boogaa d H., Wol J., Supi I., Niemeye S., an I e sum M. A Regional Implemen a ion
o WOFOST o Calcula ing Yield Gaps o Au umn-Sown Whea Ac oss he Eu opean
Union // Field C ops Resea ch. 2013. Vol. 143. Pp. 130–142. DOI: 10.1016/j.
c .2012.11.005.
B yan B.A., King D., Zhao G. In luence o Managemen and En i onmen on Aus alian Whea :
In o ma ion o Sus ainable In ensi ica ion and Closing Yield Gaps // En i onmen al
Resea ch Le e s. 2014. Vol. 9. No. 4. DOI: 10.1088/1748-9326/9/4/044005.
Ca pen e S.R., DeF ies R., Die z T., Mooney H.A., Polasky S., Reid W.V., Scholes R.J.
Millennium Ecosys em Assessmen : Resea ch Needs // Science. 2006. Vol. 314. Issue
5797. Pp. 257–258. DOI: 10.1126/science.1131946.
Clima e Change and Te es ial Ca bon Seques a ion in Cen al Asia / Edi ed by R. Lal,
M. Suleimeno , B.A. S ewa , D.O. Hansen, P. Do aiswamy. London: Taylo & F ancis
G oup, 2007. 494 p.
Clima e Doc ine o he Russian Fede a ion. 2009, Decembe 17. URL: h p://en.k emlin. u/
supplemen /4822 (дата обращения: ноябрь 2017).
D onin N.M., Bellinge E.G. Clima e Dependence and Food P oblems in Russia, 1900–
1990: The In e ac ion o Clima e and Ag icul u al Policy and Thei E ec on Food
P oblems. Budapes : Cen al Eu opean Uni e si y P ess, 2005. 366 p.
Economics and Land Use Planning / Edi ed by A.W. E ans. Ox o d: Blackwell Publishing
L d., 2004. 224 p.
Ennew C.T. A Model o Impo Demand o G ain in he So ie Union // Food Policy. 1987.
Vol. 12. Issue 2. Pp. 106–115. DOI: 10.1016/0306-9192(87)90027-3.
Fische G., Nach e gaele F.O., P iele S., Teixei a E., To h G., an Vel huizen H., Ve els L.,
Wibe g D. Global Ag o-Ecological Zones (GAEZ . 3.0) / In e na ional Ins i u e o
Applied Sys ems Analysis (IIASA), 2012. Laxenbu g, Aus ia and FAO, Rome, I aly.
Fische J. Land Spa ing Ve sus Land Sha ing: New E idence // Ideas o Sus ainabili y,
2013. URL: h p://ideas4sus ainabili y.wo dp ess.com/2013/04/03/land-spa ing-
e sus-land-sha ing-new-e idence/ (дата обращения: ноябрь 2017).
Foley J.A. Global Consequences o Land Use // Science. 2005. Vol. 309. Issue 5734.
Pp. 570–574. DOI: 10.1126/science.1111772.
Ga e R.D., Lambin E.F., Naylo R.L. Land Ins i u ions and Supply Chain Con igu a ions
as De e minan s o Soybean Plan ed A ea and Yields in B azil // Land Use Policy. 2013.
Vol. 31. Pp. 385–396. DOI: 10.1016/j.landusepol.2012.08.002.
Gooding M.J., Da ies W.P. Whea P oduc ion and U iliza ion: Sys ems, Quali y and he
En i onmen . New Yo k: CABI Publishing, 1997. 352 p.
Gö z L., Glauben T., B ümme B. Whea Expo Res ic ions and Domes ic Ma ke E ec s
75
ВЫЯВЛЕНИЕ ДЕТЕРМИНАНТ УРОЖАЙНОСТИ ПШЕНИЦЫ В ЗАПАДНОЙ СИБИРИ... ПЭ
№ 1 2019
in Russia and Uk aine Du ing he Food C isis // Food Policy. 2013. Vol. 38. Pp. 214–
226. DOI: 10.1016/j. oodpol.2012.12.001.
Hamil on S.H., Pollino C.A., Jakeman A.J. Habi a Sui abili y Modelling o Ra e Species
Using Bayesian Ne wo ks: Model E alua ion unde Limi ed Da a // Ecological
Modelling. 2015. Vol. 299. Pp. 64–78. DOI: 10.1016/j.ecolmodel.2014.12.004.
Hassan I., Cha ha M.B., Cha ha T.H., Ali M.A. Fac o A ec ing Whea Yield: A Case
S udy o Mixed C opping Zone o Punjab // Jou nal o Ag icul u al Resea ch. 2010.
Vol. 48. Issue 3. Pp. 403–408.
Hecke man D., Geige D., Chicke ing D. Lea ning Bayesian Ne wo ks: The Combina ion
o Knowledge and S a is ical Da a // Machine Lea ning Sep embe . 1995a. Vol. 20.
Issue 3. Pp. 197–243. DOI: 10.1007/BF00994016.
Hecke man D., Mamdani A., Wellman M.P. Real-Wo ld Applica ions o Bayesian
Ne wo ks // Communica ions o he ACM. 1995b. Vol. 38. Issue 3. Pp. 24–26.
In e ac i e Ag icul u al Ecological A las o Russia and Neighbo ing Coun ies / Edi ed by
A.N. A onin, S.L. G eene, N.I. Dzyubenko, A.N. F olo . Economic Plan s and Thei
Diseases, Pes s and Weeds. 2008. URL: h p://www.ag oa las. u/ u/index.h ml (дата
обращения: ноябрь 2017).
Special Repo on Emissions Scena ios / In e go enmien al Panel on Clima e Change.
Camb idge: Camb idge Uni e si y P ess, 2000. 608 p. h ps://www.ipcc.ch/ epo /
emissions-scena ios/ (дата обращения: ноябрь 2017).
Jensen F.V., Nielsen T.D. Bayesian Ne wo ks and Decision G aphs. New Yo k: Sp inge -
Ve lag, 2007. 448 p. DOI: 10.1007/978-0-387-68282-2.
Josephson P., D onin N., Mna sakanian R., Che p A., E emenko D., La in V. An
En i onmen al His o y o Russia. Camb idge; New Yo k: Camb idge Uni e si y P ess,
2013. 352 p.
Kamp J. Land Managemen : Weighing up Reuse o So ie C oplands // Na u e. 2014.
Vol. 505. Issue 7484. Pp. 483. DOI: 10.1038/505483d.
Khe ad M., Ahani H., Kousa i M.R., Bey aghda Kashkooli A., Ka ampou M.A. E alua ion
o Educa ion and Wa e Resou ce Types on Some Whea Land Fea u es, Using Fa s
Comp ehensi e Ag icul u al Da abase (Case S udy; Pasa gad, I an) // En i onmen ,
De elopmen and Sus ainabili y Augus . 2013. Vol. 15. Issue 4. Pp. 1129–1142. DOI:
10.1007/s10668-012-9428-7.
Kogan F., Guo W. Ea ly Twen y-Fi s -Cen u y D ough s Du ing he Wa mes Clima e //
Geoma ics, Na u al Haza ds and Risk. 2016. Vol. 7. Issue 1. Pp. 127–137. DOI:
10.1080/19475705.2013.878399.
Lambin E.F., Mey oid P. Global Land Use Change, Economic Globaliza ion, and he
Looming Land Sca ci y // P oceedings o he Na ional Academy o Sciences. 2011.
Vol. 108. Issue 9. Pp. 3465–3472. DOI: 10.1073/pnas.1100480108.
Licke R., Johns on M., Foley J.A., Ba o d C., Kucha ik C.J., Mon eda C., Ramanku y N.
Mind he Gap: How do Clima e and Ag icul u al Managemen Explain he ‘Yield Gap’
o C oplands A ound he Wo ld? // Global Ecology and Biogeog aphy. 2010. Vol. 19.
Issue 6. Pp. 769–782. DOI: 10.1111/j.1466-8238.2010.00563.x.
Lie e W., Lie e O. Changing C op A ea in he Fo me So ie Union Region (A Repo
om he Economic Resea ch Se ice). FDS17b-01, USDA, Washing on, D.C., 2017.
URL: h ps://www.e s.usda.go /webdocs/publica ions/82573/ ds-17b-01.pd ? =0
(дата обращения: ноябрь 2017)
Lie e W.M., Lie e O. Russian Ag icul u e du ing T ansi ion: Pe o mance, Global Impac ,
and Ou look // Applied Economic Pe spec i es and Policy. 2012. Vol. 34. Issue 1.
Pp. 37–75. DOI: 10.1093/aepp/pp 046.
Lioubim se a E., Heneb y G.M. G ain P oduc ion T ends in Russia, Uk aine and Kazakhs an:
76
А.В. Прищепов, Е.В. Понькина, Ж. Сун, Д. Мюллер
ПЭ
№ 1 2019
New Oppo uni ies in an Inc easingly Uns able Wo ld? // F on ie s o Ea h Science.
2012. Vol. 6. Issue 2. Pp. 157–166. DOI: 10.1007/s11707-012-0318-y.
Lobell D.B., Cassman K.G., Field C.B. C op Yield Gaps: Thei Impo ance, Magni udes,
and Causes // Annual Re iew o En i onmen and Resou ces. 2009. Vol. 34. Pp. 179–
204. DOI: 10.1146/annu e .en i on.041008.093740.
Madsen A.L., Jensen F., KjæRul U.B., Lang M. The HUGIN ool o P obabilis ic G aphical
Models // In e na ional Jou nal on A i icial In elligence Tools. 2005. Vol. 14. No. 3.
Pp. 507–543. DOI: 10.1142/S0218213005002235.
Mallampalli V.R., Ma omma i G., Thompson J., Du eneck M., Meye S., Ligmann-
Zielinska A., D uschke C.G., Hychka K., Kenney M.A., Kok K., Bo suk M.E. Me hods o
T ansla ing Na a i e Scena ios In o Quan i a i e Assessmen s o Land Use Change //
En i onmen al Modelling & So wa e. 2016. Vol. 82. Pp. 7–20. DOI: 10.1016/j.
en so .2016.04.011.
Mann M.L., Wa ne J.M. E hiopian Whea Yield and Yield Gap Es ima ion: A Spa ially
Explici Small A ea In eg a ed Da a App oach // Field C ops Resea ch. 2017. Vol. 201.
Pp. 60–74. DOI: 10.1016/j. c .2016.10.014.
McCauley M. Kh ushche and he De elopmen o So ie Ag icul u e: The Vi gin Land
P og amme, 1953–1964. New Yo k: Holmes & Meie Pub., 1977. 232 p.
Mendelsohn R., No dhaus W.D., Shaw D. The Impac o Global Wa ming on Ag icul u e:
A Rica dian Analysis // The Ame ican Economic Re iew. 1994. Vol. 84. No. 4.
Pp. 753–771.
Menne M.J., Du e I., Ko zeniewski B., McNeal S., Thomas K., Yin X., An hony S., Ray R.,
Vose R.S., Gleason B.E., Hous on T.G. Global His o ical Clima ology Ne wo k-Daily
(GHCN-Daily), Ve sion 3 / Na ional Cen e s o En i onmen al In o ma ion; Na ional
Clima ic Da a Cen e . 2012. URL: h ps://da a.nodc.noaa.go /cgi-bin/iso?id=go .noaa.
ncdc:C00861 (дата обращения: ноябрь 2017).
Muelle N.D., Ge be J.S., Johns on M., Ray D.K., Ramanku y N., Foley J.A. Closing Yield
Gaps Th ough Nu ien and Wa e Managemen // Na u e. 2012. Vol. 490. Pp. 254–257.
DOI: 10.1038/na u e11420.
Ne edo a T.G. Russian Ag icul u al Resou ces and he Geog aphy o Thei Use in Impo -
Subs i u ion Condi ions // Regional Resea ch o Russia Oc obe . 2016. Vol. 6. Issue 4.
Pp. 292–303. DOI: 10.1134/S2079970516040122.
Ne ica Ve sion 5.18 / No sys So wa e Co po a ion. 2015. URL: h ps://www.no sys.com/
(дата обращения: ноябрь 2017).
Osbo ne S., T ueblood M.A. An Examina ion o Economic E iciency o Russian G op
P oduc ion in he Re o m Pe iod // Ag icul u al Economics. 2006. Vol. 34. Issue 1.
Pp. 25–38. DOI: 10.1111/j.1574-0862.2006.00100.x.
Pa lo a V.N., Va che a S.E., Bokushe a R., Calanca P. Modelling he E ec s o
Clima e Va iabili y on Sp ing Whea P oduc i i y in he S eppe Zone o Russia and
Kazakhs an // Ecological Modelling. 2014. Vol. 277. Pp. 57–67. DOI: 10.1016/j.
ecolmodel.2014.01.014.
Pea l J. Causali y: Models, Reasoning, and In e ence. Camb idge Uni e si y P ess, 2009.
484 p.
Pe e son G.D., Cumming G.S., Ca pen e S.R. Scena io Planning: A Tool o Conse a ion
in an Unce ain Wo ld // Conse a ion Biology. 2003. Vol. 17. Issue 2. Pp. 358–366.
DOI: 10.1046/j.1523-1739.2003.01491.x.
Ponkina E., Ba o o a M., P ishchepo A.V., Ko ale a I. Posi i e Quan i a i e Analysis
o Fa ms Rega ding Na u al Condi ions, S uc u e, P oduc ion P og am, Fac o
Endowmen , P oduc i i y, Economic Success and Income. Technical Repo . Wo king
Pape . Subp ojec 8. 2012. 66 p.
ВЫЯВЛЕНИЕ ДЕТЕРМИНАНТ УРОЖАЙНОСТИ ПШЕНИЦЫ В ЗАПАДНОЙ СИБИРИ... ПЭ
№ 1 2019
Sys em o Ag icul u e in he Al ai Region. Al ai Resea ch Ins i u e o Ag icul u e. No osi-
bi sk, 1981, 326 p. (In Russian).
The Ox o d Handbook o Land Economics, Ox o d Handbooks in Economics. Edi ed by
J.M. Duke, J.J. Wu. Ox o d Uni e si y P ess, 2014, 768 p.
Thees eld I., Jelinek L. A Mis i in Policy o P o ec Russia’s Black Soil Region. An Ins i-
u ional Analy ical Lens Applied o he ban on Bu ning o C op Residues. Land Use
Policy, 2017, ol. 67, pp. 517–526. DOI: 10.1016/j.landusepol.2017.06.018.
Ti onell P., Vanlauwe B., Le elaa P.A., Rowe E.C., Gille K.E. Explo ing Di e si y in
Soil Fe ili y Managemen o Smallholde Fa ms in Wes e n Kenya. Ag icul u e,
Ecosys ems and En i onmen Ag ic, 2005, ol. 110, pp. 149–165. DOI: 10.1016/j.
agee.2005.04.001.
T ueblood M.A., A nade C. C op Yield Con e gence: How Russia’s Yield Pe o mance
Has Compa ed o Global Yield Leade s. Compa a i e Economic S udies, 2001, ol. 43,
issue 2, pp. 59–81. DOI: 10.1057/ces.2001.8.
Uusi alo L. Ad an ages and Challenges o Bayesian Ne wo ks in En i onmen al Model-
ling. Ecological Modelling, 2007, ol. 203, pp. 312–318. DOI: 10.1016/j.ecolmod-
el.2006.11.033.
Van I e sum M.K., Cassman K.G., G assini P., Wol J., Ti onell P., Hochman Z., Yield
Gap Analysis wi h Local o Global Rele ance: A Re iew. Field C ops Resea ch, 2013,
ol. 143, pp. 4–17. DOI: 10.1016/j. c .2012.09.009.
Visse O., Mamono a N., Spoo M. Oliga chs, Mega a ms and Land Rese es: Unde s and-
ing Land G abbing in Russia. The Jou nal o Peasan S udies, 2012, ol. 39, issue 3–4,
pp. 899–931. DOI: 10.1080/03066150.2012.675574.
Visse O., Spoo M., Mamono a N. Is Russia he Eme ging Global ‘B eadbaske ’? Re-
Cul i a ion, Ag oholdings and G ain P oduc ion. Eu ope-Asia S udies, 2014, ol. 66,
issue 10, pp. 1589–1610. DOI: 10.1080/09668136.2014.967569.
Yas ebo a O. Nonpaymen s, Bank up cy and Go e nmen Suppo in Russian Ag icul u e.
Compa a i e Economic S udies, 2005, ol. 47, issue 1, pp. 167-180. DOI: 10.1057/
palg a e.ces.8100088.
Поступила в редакцию 19 ноября 2018 г.