CC BY
23
АГРАРНАЯ РЕФОРМА И ФОРМЫ ХОЗЯЙСТВОВАНИЯ
Научная статья
УДК 338.43:338.27:636.2
doi: 10.24412/2587-6740-2021-6-53-58
СРЕДНЕСРОЧНЫЙ ПРОГНОЗ ОБЪЕМОВ ПРОИЗВОДСТВА МОЛОКА В КРАСНОДАРСКОМ КРАЕ НА ОСНОВЕ АНАЛИЗА ВРЕМЕННЫХ РЯДОВ
А.Р. Сайфетдинов
Кубанский государственный аграрный университет им. И.Т. Трубилина, Краснодар, Россия
Аннотация. В 2010 — 2020 гг. в Краснодарском крае объемы производства молока увеличились только на 11,3 % преимущественно за счет заметного роста надоев при продолжающемся в регионе снижении численности коров. Целью исследования является разработка среднесрочного прогноза объемов производства молока на основе анализа динамики молочной продуктивности и численности коров в хозяйствах разных категорий края с использованием методов корреляционно-регрессионного анализа и машинного обучения. Выполнен статистический анализ направлений и силы связи между показателями молочной продуктивности, размером поголовья и уровнем кормления животных, а также себестоимостью и рентабельностью реализации молока. Определено, что в сельскохозяйственных организациях, крестьянских (фермерских) хозяйствах и хозяйствах населения средние надои молока с большой вероятностью будут ограничены в среднесрочной перспективе на уровнях соответственно 12175, 8350 и 6470 кг, что при продолжающемся сокращении дойного стада будет существенно сдерживать увеличение объемов производства продукции в региональном молочном скотоводстве. Выполнены прогнозные расчеты ожидаемых объемов производствам молока в крае на период до 2030 г. Установлено, что параллельно с увеличением надоев важно в кратчайшие сроки преодолеть негативную тенденцию сокращения поголовья коров в регионе, что в первую очередь потребует провести модернизацию и строительство современных молочно-товарных ферм и комплексов, а также добиться повышения эффективности в воспроизводстве стада с доведением выхода телят в расчете на 100 голов коров до уровня не ниже 85 — 90 голов. Проводимые расчеты были выполнены с использованием программных библиотек Python и свободной программной среды для статистических вычислений R.
Ключевые слова: молочное скотоводство, поголовье коров, продуктивность, объемы производства, временные ряды, прогнозирование, инновационное развитие Благодарности: исследование выполнено при финансовой поддержке Кубанского научного фонда в рамках научного проекта № ФНИ-Г0-20.1/20.
Original article
MEDIUM-TERM FORECAST OF MILK PRODUCTION IN THE KRASNODAR TERRITORY BASED ON TIME SERIES ANALYSIS
A.R. Sayfetdinov
I.T. Trubilin Kuban State Agricultural University, Krasnodar, Russia
Abstract. In 2010 — 2020 in the Krasnodar Territory milk production increased by only 11.3 %, mainly due to a noticeable increase in milk yield, while the number of cows continued to decline in the region. The aim of the study is to develop a mid-term forecast of milk production based on the analysis of the dynamics of milk productivity and the number of cows in farms of different categories in the region using the methods of correlation-regression analysis and machine learning. A statistical analysis of the directions and strength of the relationship between the indicators of milk productivity, the size of the livestock and the level of animal feeding, as well as the cost price and profitability of milk sales has been carried out. It has been determined that in agricultural organizations, farms and households of the population, the average milk yields are likely to be limited in the medium term at levels of 12175, 8350 and 6470 kg, respectively, which, with the continued reduction in the number of cows, will significantly restrain the increase in production volumes in regional dairy cattle breeding. Forecast calculations of the expected volumes of milk production in the region for the period up to 2030 have been carried out. It has been established that, in parallel with the increase in milk yield, it is important to overcome the negative trend of reducing the number of cows in the region as soon as possible, which, first of all, will require modernization and construction of modern dairy farms and complexes, as well as to improve the efficiency in the reproduction of the herd with the per 100 cows to a level not lower than 85-90 heads. The calculations were carried out using the Python software libraries and the free software environment for statistical computing R.
Keywords: dairy farming, cow population, productivity, production volumes, time series, forecasting, innovative development
Acknowledgments: The research was carried out with the financial support of the Kuban Science Foundation in the framework of the scientific project № FNI-G0-20.1/20.
Введение. В последние годы отечественное сельское хозяйство демонстрирует положительные результаты в наращивании объемов производства и реализации программы
© Сайфетдинов А.Р., 2021
Международный сельскохозяйственный журнал, 2021,
импортозамещения по большинству видов продукции. Вместе с тем, в молочном скотоводстве на протяжении длительного времени сохраняются негативные тенденции, сопровождаемые
64, № 6 (384), с. 53-58.
непрекращающимся в большинстве регионов сокращением численности молочных коров. При этом уровень самообеспеченности страны молоком и молокопродуктами в 2020 г. составил
только 84,1 %, что оказалось ниже на 5,9 п. п. порогового значения, установленного Доктриной продовольственной безопасности [8].
Краснодарский край с высокими показателями молочной продуктивности коров является одним из лидеров в отечественном молочном скотоводстве. В Стратегии социально-экономического развития Краснодарского края до 2030 г. [11] ставится задача по значительному увеличению объемов производства молока, решить которую возможно только на базе инновационного развития отрасли с широким внедрением передовых достижений научно-технического прогресса в репродукции, кормлении и доении животных.
Целью настоящего исследования является разработка среднесрочного прогноза объемов производства молока в регионе на основе анализа временных рядов молочной продуктивности и численности коров в хозяйствах разных категорий, заметно отличающихся друг от друга продуктивностью животных и уровнем материально-технического оснащения.
Материалы и методы. Исследование выполнено на базе аппроксимации временных рядов статистических данных в молочном скотоводстве Краснодарского края за 2000 — 2020 гг. с использованием методов корреляционно-регрессионного анализа и машинного обучения.
В научной литературе при описании динамических процессов развития, включающих вначале экспоненциальный рост показателей, плавно переходящий в линейный и завершающийся в конце постепенным замедлением, часто используют 5-образные кривые — логистическую, кривые Гомперца, Ричардса и др. [16]. Динамика средней молочной продуктивности коров в отечественном молочном скотоводстве хорошо подходит под это описание. Так, при низких средних надоях молока в послереформенный период обновление породного состава животных и технико-технологическая модернизация ферм сопровождались сравнительно быстрым ростом молочной продуктивности, который с приближением средних надоев к своим возможным максимумам будет сильно замедляться.
Большинство известных 5-образных кривых роста задаются тремя параметрами: максимально возможным значением показателя, ограничивающим рост сверху; константой, определяющей кривизну графика; и моментом времени с максимальной скоростью роста. Так, логистическая кривая имеет следующее нелинейное уравнение:
У _ Утах
У'~ 1 + a - еи ,
(1)
У, Утах е
(2)
параметр, задающий ассимитричность в росте показателя.
При использовании моделей (1) и (2) для прогнозирования молочной продуктивности коров неизвестные параметры а и b могут быть легко определены для заданного верхнего ограничения y с использованием метода наимень-
J max "
ших квадратов после преобразования исходных уравнений в линейный вид.
Вместе с тем в хозяйствах разных категорий верхние ограничения роста молочной продуктивности коров могут варьировать довольно в широких пределах и требуют самостоятельного обоснования, что предлагается выполнять итерационным решением алгоритмической задачи с использованием элементов машинного обучения, где искомое значение ymm будет определяться для каждого временного ряда по следующему критерию:
УтЭх _arg min-í R (,at
R(( a ,Ъ„ У): i,Ъ, у)> R(j ,aj Ъ, у) 4j,i * ji i, j _ 1,2,..., M
(3)
набора {Ш}, где Ук исключается и используется для проверки качества получаемых результатов. Для применения метода в нашем исследовании временной ряд будет представлен в виде матрицы:
У1 У 2
y,-p y,-p+i
У n-p У}
n-p+i
yp yp+i
y,-i y,
У n-1 Уп
(4)
где R(j — неубывающая функция по z, показывающая коэффициент детерминации при аппроксимации временного ряда y={y,..., y} заданной кривой роста с верхним ограничением z,z ^ Z, где Z — упорядоченное множество из M допустимых значений ym¡; a, b — параметры уравнения кривой роста, оцениваемые методом наименьших квадратов на каждой /'-той итерации решения задачи; e — малое положительное число.
Полученные значения y можно исполь-
' J max
зовать при прогнозировании молочной про-дуктивноШсти коров в кратко- и среднесрочном периоде, а на более длительном отрезке времени предельные значения ее роста могут быть еще выше из-за освоения инноваций в репродукции, кормлении, доении и содержании, что будет сопровождаться повышением потенциала биологической продуктивности животных. Практическое решение задачи (3) выполнено с использованием программных библиотек Python (Pandas, NumPy).
Проверку корректности прогнозов предлагается осуществлять по методу, предложенному в работе [14], с использованием K-кратной перекрестной проверки. Это предполагает разделение исходной совокупности данных на K наборов У={У1,..., YKJ и оценку параметров модели с использованием для этого на каждом k-том шаге
где первые р элементов в каждой строке являются лагированными уровнями по отношению к последнему (р+1)-у элементу ряда и будут использоваться при его прогнозировании. Этот метод реализуется в пакете «forecastMb в свободной программной среде для статистических вычислений И.
Результаты. В 2020 г. в Краснодарском крае поголовье крупного рогатого скота (КРС) составило 553,6 тыс. гол., что оказалось ниже аналогичного показателя 2010 г. на 14,7 % (табл. 1). Снижение численности КРС при этом произошло в сельскохозяйственных организациях и хозяйствах населения при заметном росте в крестьянских (фермерских) хозяйствах (К(Ф)Х), где оно увеличилось за рассматриваемый период приблизительно вдвое.
В 2010 — 2020 гг. объемы производства молока в крае увеличились на 11,3 % и составили 1554,8 тыс. т, что было обеспечено преимущественно за счет роста молочной продуктивности коров в среднем по региону на 43,4 %. При этом в 2020 г. надои молока на одну корову в сельскохозяйственных организациях составили уже 8819 кг, что позволило Краснодарскому краю занять второе место в стране по этому показателю после Ленинградской области. Рост продуктивности в молочном скотоводстве позволил частично компенсировать негативные последствия от снижения численности коров в регионе.
Согласно стратегии социально-экономического развития Краснодарского края [11], к 2030 г. объемы производства молока в регионе по разным сценариям будут находиться в диапазоне 1950 — 2605 тыс. т, что может быть выполнено, на наш взгляд, только в результате наращивания поголовья коров при повышении эффективности в репродукции, содержании и кормлении животных и сохранении
где у,, утах — значения прогнозируемого показателя соответственно в момент времени , и в конце периода роста (верхнее ограничение); Ь — параметр, задающий кривизну 5-образной кривой; а — параметр, задающий момент времени с наиболее высокой скоростью роста, равной (1п а)/Ь;, — переменная времени.
Кривая Гомперца описывается также уравнением от переменной времени с тремя параметрами, но отличается от логистической кривой ассимитричностью графика относительно точки перегиба:
Таблица 1. Основные производственно-экономические показатели молочного скотоводства Краснодарского края, 2010-2020 гг.
Table 1. The main production and economic indicators of dairy cattle breeding in the Krasnodar Territory, 2010-2020
При этом уравнение кривой Ричардса, например, имеет уже дополнительный четвертый
International agricultural journal. Vol. 64, No. 6 (384). 2021
Показатель 2010 г. 2015 г. 2018 г. 2019 г. 2020 г. 2020 г. в % к 2010 г.
Поголовье КРС, тыс. гол. 649,0 539,3 533,2 538,8 553,6 85,3
В том числе коров 258,8 216,5 210,9 211,4 215,2 83,1
Произведено молока, тыс. т 1 396,7 1 327,6 1 449,8 1 468,2 1 554,8 111,3
Надоено молока на одну корову в год, кг 5 419 6 247 7 022 7 226 7 772 143,4
Выход приплода на 100 коров", гол. 70 72 67 71 73 104,3
Падеж скота*, % к обороту стада 1,2 0,9 1,2 0,9 1,0 -
Себестоимость молока*, руб./кг 11,6 18,2 21,0 21,6 22,9 197,4
Цена реализации молока*, руб./кг 14,5 23,3 24,6 27,5 27,7 191,0
Рентабельность*, % 25,6 27,8 17,2 27,3 21,0 -
"По данным с.-х. организаций
www.mshj.ru
ae
АГРАРНАЯ РЕФОРМА И ФОРМЫ ХОЗЯЙСТВОВАНИЯ
Таблица 2. Статистические оценки влияния основных факторов на молочную продуктивность коров (кг/год) в сельскохозяйственных организациях Краснодарского края, 2015-2019 гг.
Table 2. Statistical assessments of the influence of the main factors on the milk productivity of cows (kg/year) in agricultural organizations of the Krasnodar Territory, 2015-2019
Показатель Периоды исследования:
2015 г. 2016 г. 2017 г. 2018 г. 2019 г. 2015-2019 гг.
У-пересечение 4613,0"" (482,8) 4670,5""" (467,2) 4386,3""" (532,7) 5235,2""" (565,3) 5108,4""" (719,2) 4016,7""" (276,8)
Среднегодовое поголовье коров, гол. 0,148 (0,075) 0,059 (0,080) 0,148" (0,064) 0,295""" (0,081) 0,272"" (0,080) 0,184""" (0,034)
Расход кормов на 1 усл. гол., ц корм. ед. 29,6"" (10,69) 31,5"" (10,45) 38,5""" (10,37) 32,2"" (11,77) 40,6" (15,48) 31,9""" (5,06)
Темп обновления оборудования, % 15,7 (9,54) 3,1 (12,58) 4,9 (19,70) 4,2 (20,11) 13,6 (25,16) 10,4 (6,63)
Изменение поголовья коров в течение года, % 0,047 (0,246) 4,875 (8,363) 10,37""" (2,873) 11,42""" (3,858) 2,641 (5,395) 0,210 (0,261)
Номер года исследования - - - - - 298,4""" (50,4)
Коэффициент детерминации (К2) 0,224 0,188 0,458 0,490 0,318 0,332
Число наблюдений 129 122 113 103 93 560
Статистическая значимость коэффициентов: "***" — на уровне р<0,001, "**" — на уровне p<0,01, "*" — на уровне p<0,05
существующих тенденций роста продуктивности в отрасли. Вместе с тем, в настоящее время выход телят на 100 гол. коров в сельскохозяйственных организациях региона находится на крайне низком уровне (67 — 73 гол.), что приводит к большому удельному весу яловых животных в стаде и, соответственно, к снижению эффективности и объемов производства мяса и молока при низких показателях воспроизводства стада.
Корреляционно-регрессионный анализ показал, что в сельскохозяйственных организациях региона молочная продуктивность коров имеет статистически значимую связь с размером поголовья и уровнем кормления животных (табл. 2).
Так, в 2015-2019 гг. в сельскохозяйственных организациях региона со сравнительно большим поголовьем коров надои молока, как правило, были выше, но не существенно. Например, в 2018 — 2019 гг. разница в поголовье коров на 100 голов в среднем по региону сопровождалась увеличением удельных надоев только на 27 — 30 кг. При этом анализ данных за 2015,
30-
2о-;
2016 и 2019 гг. не показал статистически значимой связи между изменениями молочной продуктивности и численности коров. Предприятия с высокими надоями молока преимущественно сохраняют численность коров без изменений при общем ее снижении в регионе, связанном с ежегодным выбытием из отрасли убыточных организаций. Так, в 2015 — 2019 гг. средняя рентабельность реализации молока в сельскохозяйственных организациях края варьировала в диапазоне 17 — 28 %, а убыток при этом получали до 20 % товаропроизводителей.
Исследования подтвердили также наличие статистически значимой связи между молочной продуктивностью коров, затратами на их содержание и кормление, а также себестоимостью и рентабельностью молока (рис. 1).
Наиболее тесная положительная зависимость была установлена между надоями молока и удельными затратами на содержание и кормление коров (нижний левый график на рис. 1), когда с ростом молочной продуктивности на 100 кг в год затраты увеличиваются в среднем на 1,7 тыс. руб./гол.
Согг: 0.275*** Согг: -0.297*** Согг: 0.744***
Согг: -0.856*"* Согг: -0.273***
Согг: 0.291*"
200- ¡5 .4 •<
100- ™
Надои
5000 10000
Рентабельность
Себестоимость
Рисунок 1. Диаграммы рассеивания и оценки корреляции показателей эффективности в молочном скотоводстве Краснодарского края, 2017-2019 гг.
Figure 1. Scatter plots and assessments of the correlation of efficiency indicators in dairy cattle breeding of the Krasnodar Territory, 2017-2019
Молочная продуктивность и себестоимость молока также находятся между собой в статистически значимой зависимости. При этом с ростом надоев выше средних по отрасли диапазон изменений себестоимости молока заметно сужается и, как правило, находится в границах 18 — 25 руб./кг, в то время, как при низких надоях себестоимость молока может сильно отклоняться в обе стороны как выше, так и ниже средних значений.
Зависимость между надоями молока и его рентабельностью (верхний левый график на рис. 1) визуализируется слабо преимущественно из-за больших колебаний закупочных цен на молоко, практически не связанных с продуктивностью животных. При этом стоит отметить, что наиболее высокие показатели рентабельности в рассматриваемый период наблюдались в предприятиях со средним уровнем молочной продуктивности коров, где удельные затраты в производстве молока были относительно ниже, чем в сельскохозяйственных организациях с рекордно высокими надоями, что, на наш взгляд, может частично ограничивать в будущем стремление сельскохозяйственных товаропроизводителей увеличивать удельные надои молока за счет интенсификации выращивания и кормления животных при снижении рентабельности.
Заметный рост молочной продуктивности коров является важным показателем инновационного развития молочного скотоводства региона в 2010 — 2020 гг., который отражает положительные результаты в совершенствовании породного состава, технологий кормления, содержания и доения коров при частичной технической модернизации молочно-товарных ферм. Вместе с тем по мере приближения результатов к уровням стран-лидеров темпы роста продуктивности в отечественном молочном скотоводстве будут снижаться, что ограничивает потенциал роста объемов производства молока без существенного увеличения поголовья дойного стада.
Решение задач (1) — (3) показало, что в сельскохозяйственных организациях, К(Ф)Х и хозяйствах населения в среднесрочной перспективе средние надои молока с большой вероятностью
Международный сельскохозяйственный журнал. Т. 64, № 6 (384). 20211
Рисунок 2. Прогноз роста молочной продуктивности коров в хозяйствах разных категорий в Краснодарском крае до 2030 г. Figure 2. Forecast of the growth of milk productivity of cows in farms of different categories in the Krasnodar Territory until 2030
Рисунок 3. Прогноз поголовья коров молочных пород в хозяйствах разных категорий в Краснодарском крае до 2030 г. Figure 3. Forecast of the number of dairy cows in farms of different categories in the Krasnodar Territory until 2030
будут ограничены на уровнях соответственно 12175, 8350 и 6470 кг (рис. 2).
В 2000 — 2020 гг. в сельскохозяйственных организациях региона надои молока росли наиболее высокими темпами, и их средние значения к 2030 г. должны, по нашему мнению, превысить уже 10000 кг, что приблизительно соответствует результатам стран-лидеров, включая США.
Молочное скотоводство в К(Ф)Х края менее развито и представлено, как правило, семейными животноводческими фермами со сравнительно небольшими ресурсными возможностями, что позволит хозяйствам этой категории увеличить молочную продуктивность коров в среднесрочной перспективе только до 7500 — 7600 кг. Вместе с тем, визуальный анализ второго графика на рисунке 2 показал, что в 2019 — 2020 гг. в К(Ф)Х наметилось возможное ускорение темпов роста средних надоев молока, при сохранении которых в ближайшие 2 — 3 года прогноз молочной продуктивности коров здесь следует пересмотреть.
В хозяйствах населения края, где содержится многочисленное поголовье коров, уровень развития молочного скотоводства наиболее низкий из-за использования экстенсивных технологий без доступа товаропроизводителей к инновациям в репродукции, содержании и кормлении животных. По нашим прогнозам, без существенного развития инфраструктуры в молочном скотоводстве региона с повышением эффективности трансфера инноваций при кооперации и интеграции крупного и мелкотоварного
производства рост молочной продуктивности в хозяйствах этой категории в ближайшие годы прекратится (третий график на рис. 2).
Поголовье коров молочных пород в хозяйствах разных категорий имеет разнонаправленную динамику. Так, поголовье коров в сельскохозяйственных организациях и хозяйствах населения имеет тенденцию к снижению при его заметном росте в крестьянских (фермерских) хозяйствах (рис. 3).
Прогнозные расчеты показали, что к 2030 г. численность коров в сельскохозяйственных организациях и хозяйствах населения края продолжит снижаться и составит соответственно 106,4 и 57,9 тыс. гол., или 89,5 и 98,8 % от аналогичных показателей 2020 г. Это произойдет по-прежнему из-за ликвидации части молочнотоварных ферм в сельскохозяйственных организациях с наиболее низкой продуктивностью коров и рентабельностью молока.
При этом в 2021 — 2030 гг. в К(Ф)Х края поголовье молочных коров продолжит расти и составит на конец рассматриваемого периода уже 21 тыс. гол., или 143 % от уровня 2020 г. Вместе с тем при сохранении небольшого удельного веса хозяйств этой категории (по-прежнему не более 10 %) это вряд ли окажет существенного влияния на общие объемы производства молока в регионе. В настоящее время в Краснодарском крае К(Ф)Х специализируются преимущественно на производстве продукции растениеводства, как правило, с более высокой рентабельностью и сравнительно большим экспортным
потенциалом, что при сложившейся ценовой конъюнктуре на продукцию растениеводства и животноводства в ближайшие годы будет сдерживать здесь развитие молочного скотоводства.
Проведенные прогнозные расчеты позволили также определить ожидаемые объемы производства молока в Краснодарском крае (рис. 4).
Так, объемы производства молока в регионе к 2030 г. могут достигнуть при сложившихся тенденциях в численности поголовья и продуктивности молочных коров только 1766 тыс. т, что ниже на 9,4 и 32,2 % индикаторов, определенных стратегией социально-экономического развития края по соответственно инерционному и оптимистическому сценариям. Поэтому без больших инвестиций в приобретение дополнительного поголовья коров высокопродуктивных молочных пород и строительство новых высокотехнологичных молочно-товарных ферм и комплексов регион может недополучить по сравнению с запланированными индикативными объемами 183,1 — 832,1 тыс. т молока. Расчеты показали, что для их восполнения в ближайшие 10 лет потребуется увеличить стадо молочных коров не менее чем на 20 — 80 тыс. гол., существенно расширить кормовую базу молочного скотоводства преимущественно за счет пашни, используемой в настоящее время в производстве товарной продукции растениеводства, и обеспечить инвестиции по предварительным оценкам в размере около 10 — 40 млрд руб. в создание и техническое оснащение дополнительных ското-мест.
56 -
International agricultural journal. Vol. 64, No. 6 (384). 2021
www.mshj.ru
АГРАРНАЯ РЕФОРМА И ФОРМЫ ХОЗЯЙСТВОВАНИЯ
£
Рисунок 4. Среднесрочный прогноз объемов производства молока в Краснодарском крае Figure 4. Medium-term forecast of milk production in the Krasnodar Territory
Обсуждение. В последние годы анализу современного состояния и перспектив развития отечественного молочного скотоводства посвящены различные научные работы [1, 2, 3, 5]. Так, в [3] предложена система сценариев развития, адаптированная под различные ресурсные возможности предприятий в молочном скотоводстве и включающая в частности инерционный сценарий с простым следованием сложившимся тенденциям в отрасли и инновационный — с параметрами, рассчитанными преимущественно на базе передового опыта лучших производителей молока. В основе нашего прогноза также лежит оценка параметров уравнений, аппроксимирующих временные ряды поголовья и молочной продуктивности коров в Краснодарском крае. Вместе с тем по своему содержанию этот прогноз не должен считаться в полной мере инерционным без элементов инновационного развития, так как прогнозируемый рост молочной продуктивности в 2021 — 2030 гг. не может быть обеспечен только за счет ожидаемого выбытия из отрасли еще около 9-10 % поголовья с наиболее низкими надоями молока, а потребует в большинстве оставшихся ферм и комплексов затрат на улучшение породного состава, технологий кормления и доения для полной реализации биологического потенциала продуктивности животных.
Важно также отметить, что с ростом надоев молока обостряются проблемы сохранения здоровья животных в стаде, что приводит к увеличению уровня выбраковки коров и снижает показатели воспроизводства поголовья на молочно-товарных фермах. Поэтому высокая молочная продуктивность коров, по мнению Суровцева [12], еще не гарантирует конкурентоспособность и высокую рентабельность реализации молока.
В работе [6] установлена существенная статистически значимая положительная зависимость между молочной продуктивностью и уровнем кормления коров, что получило эмпирическое подтверждение и по результатам нашего исследования. Авторами [6] установлено, что основными требованиями к организации кормовой базы в животноводстве являются ее устойчивость, надежность и соответствие объемов и качества кормов размеру поголовья КРС и планируемым объемам производства продукции при использовании сбалансированных по всем питательным элементам и витаминам кормовых рационов и сведении к минимуму потерь кормов при их уборке, хранении и скармливании. Поэтому рост надоев молока должен
сопровождаться повышением уровня кормления животных преимущественно за счет увеличения удельного веса концентрированных кормов, что потребует изменений в структуре посевных площадей, где доля посевов культур на кормовые цели будет расти. При этом для достижения индикативных показателей в производстве молока, установленных стратегией социально-экономического развития Краснодарского края, расширение посевов кормовых культур должно быть существенно масштабнее.
Рост до индикативных уровней объемов производства молока в регионе возможно обеспечить только одновременно за счет повышения надоев и существенного увеличения численности молочных коров преимущественно в товарных предприятиях. Для этого параллельно со строительством новых и модернизацией существующих молочно-товарных ферм и комплексов важно в скорейшие сроки решить проблему организации расширенного воспроизводства поголовья путем доведения выхода телят в расчете на 100 гол. коров с текущих 70 — 73 до уровня не ниже 85 — 90 гол. за счет качественного своевременного ветеринарного обслуживания и использования инновационных технологий в репродукции, включая искусственное осеменение коров сексированным семенем, что позволяет получать в приплоде до 90 % телят желаемого пола.
По мнению академика Алтухова и Семеновой [1], критически низкие показатели в воспроизводстве поголовья КРС, при которых в совокупности с ранним возрастом выбраковки коров возникает нехватка ремонтных телок для ввода в основное стадо, что является одной из главных причин непрекращающегося в большинстве регионов сокращения поголовья молочных коров. При этом, по мнению Ситдикова и соавторов [9], технико-технологическая модернизация отечественного молочного скотоводства должна осуществляться с максимальным использованием имеющихся сооружений и технических средств, что существенно снизит потребность в инвестициях и сократит сроки их возврата.
В отечественном молочном скотоводстве в ближайшие годы важно увеличить удельный вес предприятий, использующих технологию беспривязного содержания коров и инновационную технику для механизации и автоматизации производственных процессов на молоч-но-товарных фермах, что позволит не только кратно повысить производительность труда, но и увеличит выход и качество молока преимущественно за счет использования систем доения с
рабочими органами, максимально адаптированными к физиологическим особенностям функционирования животных и исключающими вредные воздействия на их организм [7]. При этом использование в кормлении и доении коров современных цифровых технологий, дополненных возможностями интернета вещей и искусственного интеллекта, позволит оперативно осуществлять управление молочной продуктивностью и состоянием здоровья каждого животного в стаде, эффективно планировать племенную работу и процесс воспроизводства поголовья [2, 4]. Вместе с тем удельный вес сельскохозяйственных товаропроизводителей в Краснодарском крае, использующих современные технологии и оборудование в производстве молока, составляет, как правило, не более 15 % [2].
В ближайшие годы ожидается продолжение роста поголовья коров в К(Ф)Х региона. При этом численность сельскохозяйственных животных этого вида в хозяйствах населения в будущем во многом будет зависеть от демографической ситуации и уровня развития инфраструктуры в сельской местности [10]. По мнению академика Морозова, в хозяйствах населения из-за малого размера поголовья, как правило, не превышающего одной-двух коров, и слабой технической оснащенности, когда в стране не организовано производство необходимой для этой категории хозяйства техники, отсутствуют реальные возможности наращивания объемов производства на товарные цели конкурентоспособного молока высокого качества.
Другой важнейшей причиной сокращения поголовья молочных коров в России является крайне нерациональное ценообразование на молоко в цепочке его движения от производителя до конечного потребителя, при котором неоправданно высокая норма прибыли приходится на сферы переработки и торговли, где крупнейшие предприятия фактически монополизировали внутренний рынок и диктуют ценовую политику сельскохозяйственным товаропроизводителям на невыгодных для них условиях. Это резко снижает экономические стимулы к расширенному воспроизводству и существенно повышает сроки возврата инвестиций в новые проекты в отрасли. Существующая система ценообразования на молоко-сырье практически не стимулирует товаропроизводителей и к повышению качества своей продукции, когда его реальные показатели могут существенно искажаться для занижения на этой основе закупочных цен [7]. Проблема справедливого ценообразования в отечественном молочном скотоводстве требует скорейшего решения.
Принято считать [1, 13, 15], что рост поголовья коров на предприятиях сопровождается возрастающей отдачей от масштаба производства, при которой снижаются удельные затраты ресурсов и, как правило, повышается рентабельность реализации молока. Наше исследование частично подтвердило это мнение, установив положительную статистически значимую связь между размерами поголовья и молочной продуктивностью коров в сельскохозяйственных организациях Краснодарского края.
Вместе с тем, по мнению Суровцева [12], чрезмерная концентрация коров на комплексах может иметь и отрицательный эффект из-за увеличения сроков заготовки кормов и роста расстояний их транспортировки при большей удаленности крупных локализованных ферм от полей, что приводит к дополнительным
Международный сельскохозяйственный журнал. Т. 64, № 6 (384). 20211
затратам, иногда превышающим выгоды от роста производительности труда и продуктивности животных. По этим причинам, по мнению Ка-вардакова [5], строительство в России мегаферм с поголовьем дойных коров более 800 гол., осуществляемое, как правило, без должного экономического обоснования и без учета требований охраны окружающей среды, следует прекратить. На отсутствие в стране экономически обоснованных рекомендаций по размерам мо-лочно-товарных ферм в хозяйствах различных категорий указывает и академик Морозов.
Выводы. Рост средних надоев молока, обеспечивший в 2010 — 2020 гг. небольшое повышение объемов производства продукции при общем снижении численности коров в молочном скотоводстве региона, в среднесрочной перспективе замедлится, что существенно усложнит выполнение программы импортозаме-щения на внутреннем рынке молока и молоко-продуктов. Исследования при этом показали, что рост молочной продуктивности коров еще не гарантирует товаропроизводителям конкурентоспособность и высокую рентабельность реализации молока. Поэтому параллельно с увеличением надоев важно преодолеть негативную тенденцию сокращения поголовья коров в крае, что в первую очередь потребует провести модернизацию и строительство современных молочно-товарных ферм и комплексов, а также обеспечить повышение эффективности в воспроизводстве стада с доведением выхода телят в расчете на 100 голов коров до уровня не ниже 85 — 90 голов. В противном случае объемы производства молока к 2030 г. могут составить только 1766 тыс. т, что заметно ниже индикативных значений, установленных стратегией социально-экономического развития региона. Важными факторами наращивания объемов и эффективности производства молока в Краснодарском крае являются также рациональный размер поголовья, повышение уровня кормления коров с расширением площадей посевов кормовых культур, освоение инноваций в репродукции, содержании и доении животных, а также система ценообразования на молоко, обеспечивающая справедливое распределение доходов в цепочке движения продукции от производителя до потребителя, что повысит экономические стимулы к расширенному воспроизводству и сократит сроки окупаемости инвестиционных проектов в отрасли.
Список источников
1. Алтухов А.И., Семёнова Е.И. Молочное скотоводство России: экономические проблемы и пути их решения // Экономика сельского хозяйства России. 2019. № 2. С.33-38.
2. Артемова Е.И. Шпак Н.М. Цифровизация как инструмент инновационного развития молочного скотоводства // Вестник Академии знаний. 2019. № 2 (31). С.15-19.
3. Гаврилова О.Ю., Булыгина С.А. Тенденции и сценарии устойчивого развития молочного скотоводства // Фундаментальные исследования. 2020. № 3. С. 20-25.
4. Иванов Ю.А., Скоркин В.К., Гриднев П.И., Лар-кин Д.К. Интеллектуальная система управления и обеспечения эффективного производства продукции молочного скотоводства умной фермы // Аграрная наука Евро-Северо-Востока. 2019. Т. 20. № 1. С. 57-67.
5. Кавардаков В.Я., Семененко И.А. Основные проблемы технологического развития молочного скотоводства РФ и пути их решения // Островские чтения. 2016. № 1.С. 215-220.
6. Кремянская Е.В., Кремянский, В. Ф., Кремян-ский В.В. Об эффективности организации кормовой базы молочного скотоводства в Краснодарском крае // Вестник Алтайской академии экономики и права. 2019. № 4-1. С.66-71.
7. Морозов Н.М. Направления повышения качества производства молока // Техника и оборудование для села. 2017. № 3. С. 2-7.
8. Национальный доклад о ходе и результатах реализации в 2020 году Государственной программы развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия [Электронный ресурс]. Режим доступа: http://mcx.gov.ru/ upload/iblock/953/953ee7405fb0ebba38a6031a13ec0021. pdf.
9. Ситдиков Ф.Ф., Зиганшин Б.Г., Шайдуллин Р.Р., Мо-сквичева А. Б. Использование современных технологий в молочном животноводстве // Вестник Казанского государственного аграрного университета. 2020. Т. 15. № 1 (57). С. 81-87.
10. Стеклова Т.Н., Стеклова А.Н., Лещева М.Г. Анализ основных тенденций развития молочного скотоводства в условиях инновационного развития региона // Экономика сельского хозяйства России.2019. № 2.С. 49-53.
11. Стратегии социально-экономического развития Краснодарского края до 2030 года [Электронный ресурс]. Режим доступа: http://docs.cntd.ru/document/550301926.
12. Суровцев, В. Н. Повышение конкурентоспособности производства молока на основе синергии цифрови-зации и биотехнологии // Молочное и мясное скотоводство. 2019. № 4. С. 7-11.
13. Трубилин И.Т., Бершицкий Ю.И., Сайфетдинов А. Р. Сущность и особенности оценки экономической эффективности мясного скотоводства // Труды Кубанского государственного аграрного университета. 2013. № 44. С. 25-32.
14. Bergmeir C., Hyndman R.J., Koo B. A note on the validity of cross-validation for evaluating autoregressive time series prediction // Computational Statistics and Data Analysis. 2018. № 120. Pp. 70-83.
15. Sayfetdinov A., Sayfetdinova P. Nonparametric economic analysis of the level of technical efficiency of cattle meat production in the Krasnodar Krai in 2013-2018. E3S Web of Conferences, Yekaterinburg, 15-16 октября 2020 года. Yekaterinburg, 2020. P. 6005.
16. Yin X. A Flexible Sigmoid Function of Determinate Growth // Annals of Botany. 2003. № 91. Pp. 361-371.
References
1. Altuhov A.I. & Semjonova E.I. (2019). Molochnoe sko-tovodstvo Rossii: jekonomicheskie problemy i puti ih resh-enija [Dairy farming in Russia: economic problems and solutions]. Ekonomika sel'skogo hozjajstva Rossii, no. 2, pp. 33-38.
2. Artemova E.I. & Shpak N.M.(2019). Cifrovizacija kak instrument innovacionnogo razvitija molochnogo skotovodst-va [Digitalization as a tool for the innovative development of dairy farming]. Vestnik Akademii znanij, no. 2 (31), pp. 15-19.
3. Gavrilova OJu. & Bulygina S.A. (2020). Tendencii i scenarii ustojchivogo razvitija mo-lochnogo skotovodstva [Trends and scenarios for sustainable development of dairy farming]. Fundamental'nye issledovanija, no. 3, pp. 20-25.
4. Ivanov Ju.A., Skorkin V.K., Gridnev P.I. & Larkin D.K. (2020). Intellektual'naja sistema upravlenija i obespeche-nija jeffektivnogo proizvodstva produkcii molochnogo skoto-vodstva umnoj fermy [Intelligent system to manage and ensure efficient production of dairy products from smart farm]. Agrarnaja nauka Evro-Severo-Vostoka, no. 1, pp. 57-67.
5. Kavardakov VJa. & Semenenko I.A. (2016). Osnovnye problemy tehnologicheskogo razvitija molochnogo skoto-vodstva RF i puti ih reshenija [The main problems of the technological development of dairy cattle breeding in the Russian Federation and ways to solve them]. Ostrovskie chtenija, no. 1, pp. 215-220.
6. Kremjanskaja E.V., Kremjanskij V.F. & Kremjanskij V.V. (2019). Ob jeffektivnosti organizacii kormovoj bazy molochnogo skotovodstva v Krasnodarskom krae [On the effectiveness of organizing the feed base of dairy cattle breeding in the Krasnodar Territory]. Vestnik Altajskoj akademii jekono-miki i prava, no. 4-1, pp. 66-71.
7. Morozov N.M. (2017). Napravlenija povyshenija kachestva proizvodstva moloka [Directions for improving the quality of milk production]. Tehnika i oborudovanie dlja sela, no. 3, pp. 2-7.
8. Nacional'nyj doklad o hode i rezul'tatah realizacii v 2020 godu Gosudarstvennoj programmy razvitija sel'skogo hozjajstva i regulirovanija rynkov sel'skohozjajstvennoj produkcii, syrja i prodovol'stvija [National report on the progress and results of the implementation in 2020 of the State program for the development of agriculture and regulation of markets for agricultural products, raw materials and food] (electronic resource). Available at: http://mcx.gov.ru/upload/iblock/953/ 953ee7405fb0ebba38a6031a13ec0021.pdf.
9. Sitdikov F.F., Ziganshin B.G., Shajdullin R.R. & Moskvi-cheva A.B. (2020). Ispol'zovanie sovremennyh tehnologij v molochnom zhivotnovodstve [The use of modern technologies in dairy farming]. Vestnik Kazanskogo gosudarstvennogo agrarnogo universiteta, no. 1(57), pp. 81-87.
10. Steklova T.N., Steklov A.N. & Leshheva M.G. (2019). Analiz osnovnyh tendencij razvitija molochnogo skotovodstva v uslovijah innovacionnogo razvitija regiona [Analysis of the main trends in the development of dairy cattle breeding in the context of innovative development of the region]. Ekonomika sel'skogo hozjajstva Rossii, no 2, pp. 49-53.
11. Strategii social'no-jekonomicheskogo razvitija Kras-nodarskogo kraja do 2030 goda [Strategies for social and economic development of the Krasnodar Territory until 2030] (electronic resource). Available at: http://docs.cntd.ru/ document/550301926.
12. Surovcev V.N. (2019). Povyshenie konkurentospo-sobnosti proizvodstva moloka na osnove sinergii cifrovizacii i biotehnologii [Increasing the competitiveness of milk production based on the synergy of digitalization and biotechnology]. Molochnoe i mjasnoe skotovodstvo, no. 4, pp. 7-11.
13. Trubilin I.T., Bershickij Ju.I. & Sajfetdinov A.R. (2013). Sushhnost' i osobennosti ocenki jekonomicheskoj jeffek-tivnosti mjasnogo skotovodstva [The essence and features of assessing the economic efficiency of beef cattle breeding]. Trudy Kubanskogo gosudarstvennogo agrarnogo universiteta, no44, pp. 25-32.
14. Bergmeir C., Hyndman RJ. & Koo B. (2018). A note on the validity of cross-validation for evaluating autoregressive time series prediction. Computational Statistics and Data Analysis, no. 120, pp. 70-83.
15. Sayfetdinov A. & Sayfetdinova P. (2020). Nonparametric economic analysis of the level of tech-nical efficiency of cattle meat production in the Krasnodar Krai in 2013-2018. E3S Web of Conferences, Yekaterinburg, 15-16 oktjabrja 2020 goda, P. 6005.
16. Yin X., Goudriaan, J., Lantinga E.A., Vos J. & Spi-ertz H.J. (2003). A Flexible Sigmoid Function of Determinate Growth. Annals of Botany, no. 91, pp. 361-371.
Информация об авторе:
Сайфетдинов Александр Рафаилович, кандидат экономических наук, доцент кафедры организации производства и инновационной деятельности, Кубанский государственный аграрный университет им. И.Т. Трубилин, ORCID: http://orcid.org/0000-0001-8743-9355, [email protected]
Information about the author:
Aleksandr R. Sayfetdinov, Candidate of Economic Sciences, Associate Professor of the Department of Production Organization and Innovation, I.T. Trubilin Kuban State Agricultural University, ORCID: http://orcid.org/0000-0001-8743-9355, [email protected]
International agricultural journal. Vol. 64, No. 6 (384). 2021 www.mshj.ru
