Содержание к диссертации
Введение
ГЛАВА 1 Современное состояние вопроса оценки качества земель сельскохозяйственного назначения 10
1.1 Понитие и роль оценки качества земель сельскохозяйственного назначения в обеспечении рационального и эффективного использования земельных ресурсов
1.2 Анализ показателей, характеризующих признаки и свойства почв 17
1.2.1 Плодородие как основопологающий показатель оценки качества земель
1.2.2 Показатели состояния плодородия сельскохозяйстенных земель 20
1.3 Аналитический обзор развития земельно-оценочных работ по определению качества земель 24
1.3.1 Отечественный опыт оценки качества земель 24
1.3.2 Опыт зарубежных стран по определению качества земель 28
1.4 Обоснование необходимости установления связи производительной способности почв с показателями состояния плодородия 31
1.5 Выводы по главе 1 37
ГЛАВА 2 Выявление устойчивой статистической корреляционной взаимосвязи признаков и свойств почв с урожайностью основных сельскохозяйственных культур 40
2.1 Определение закона статистического распределения значений признаков почв и выявление их мультиколлинеарности 40
2.2 Выявление зависимости производительной способности почв от их признаков и свойств 46
2.3 Обоснование необходимости учета нелинейного характера влияния диагностических признаков почв при оценке качества земель 50
2.4 Выводы по главе 2 60
ГЛАВА 3 Разработка метода оценки качества земель сельскохозяйственного назначения с учетом нелинейного влияния диагностических признаков 62
3.1 Анализ современных методов оценки качества земель 62
3.2 Графический способ определения вклада каждого из признаков за счет нелинейного влияния 71
3.3 Аналитический способ определения вклада признаков почв в результат бонитировки 75
3.4 Выводы по главе 3 85
ГЛАВА 4 Применение оценки качества земель сельскохозяйственного назначения в Лужском районе Ленинградской области с учетом выявленных зависимостей .
4.1 Описание рассматриваемой территории 88
4.2 Построение и получение картографической основы с созданием ГИС проекта 91
4.3 Расчет баллов бонитета землепользования Лужского района Ленинградской области по диагностическим признакам и урожайности основных сельскохозяйственных культур 94
4.4 Выводы по главе 4 ПО
Заключение 112
Список сокращений и условных обозначений 115
Список литературы
- Плодородие как основопологающий показатель оценки качества земель
- Выявление зависимости производительной способности почв от их признаков и свойств
- Графический способ определения вклада каждого из признаков за счет нелинейного влияния
- Расчет баллов бонитета землепользования Лужского района Ленинградской области по диагностическим признакам и урожайности основных сельскохозяйственных культур
Плодородие как основопологающий показатель оценки качества земель
Под деградацией земель сельскохозяйственного назначения понимается ухудшение свойств земель в результате природного и антропогенного воздействий [69, 73]. Существенное снижение уровня качественного состояния способно нанести невосполнимый вред производственному потенциалу сельскохозяйственных угодий и агропромышленному комплексу региона или страны в целом [25, 43, 45, 74]. Это обуславливает ведущую роль земельно-оценочных работ, направленных на определение качества земель, при государственном надзоре за состоянием плодородия, разработке и реализации комплекса научно обоснованных мероприятий по реабилитации нарушенных земель, сохранении и повышении уровня плодородия конкретного земельного участка или региона в целом.
Результаты определения качества земель сельскохозяйственного назначения также способствуют выявлению негативных процессов и их возможного потенциального появления. К основным негативным процессам, которые приводят к снижению плодородия, относят водную и ветровую эрозии, сели, подтопление, заболачивание, вторичное засоление, иссушение, уплотнение, загрязнение отходами производства и др. [70]. Недостоверность или необъективность результатов оценки качества земель способны привести к потере контроля над развитием таких процессов, что особенно актуально в процессе реформ и перехода к рыночной экономики. Так, на протяжении последних десятилетий в Ленинградской области происходит постоянное сокращение площадей сельскохозяйственных земель. Темпы сокращения сельскохозяйственных угодий не способно компенсировать даже постоянное вовлечение в сельскохозяйственный оборот новых земель. В соответствии с данными отчетов о наличии земель и распределении их по формам собственности, категориям, угодьям и пользователям, площадь пашни в составе земель сельскохозяйственного назначения на территории Ленинградской области с 1993 по 2013 года сократилась более чем на 8,4 тыс. га (таблица 1.1). [33-35, 85-87].
Одной из главных причин отрицательной динамики изменения площади пашни в составе земель сельскохозяйственного назначения является проведение в этот промежуток времени земельной реформы, сложный и продолжительный механизм реализации которой значительно сказался на состоянии и использовании земель. Также к основным причинам сокращения площадей земель сельскохозяйственного назначения следует отнести увеличение интенсивности развития деградационных процессов на угодьях, которые не используются в сельском хозяйстве на протяжении длительного промежутка времени [26, 73]. Причем в результате деградации зачастую происходит выбытие наиболее ценных земель, а взамен в сельскохозяйственный оборот включаются земли более низкого качества [52]. Развитие деградации приводит к существенному снижению плодородия почв, что является нарушением установленных земельным законодательством Российской Федерации требований рационального использования земли [81]. Причем следует учитывать, что важнейшая особенность земли как средства труда состоит в том, что она при рациональном использовании не уменьшает, а повышает свое плодородие, поскольку окультуренная почва является более плодородной, чем почва с идентичными природными свойствами, но не подвергавшаяся обработке.
Исходя из вышеизложенного, земельно-оценочные работы, направленные на определение качества земель сельскохозяйственного назначения, играют ведущую роль при обеспечении рационального землепользования, государственном надзоре за состоянием плодородия, выявлении деградационных процессов, разработке и реализации комплекса научно обоснованных мероприятий по реабилитации нарушенных земель, сохранении и повышении уровня плодородия конкретного земельного участка или региона в целом, поскольку могут быть использованы как механизм защиты агропромышленного комплекса от истощения.
Также следует отметить, что развитие рационального использования и эффективного управления земельными ресурсами невозможно без проведения корректной фискальной политики, которая опирается на получение полной, достоверной и актуальной информации о состоянии и использовании земель [16, 70, 72, 79, 125]. Основой для системы налогообложения земель в Российской Федерации является величина их кадастровой стоимости, которая, в свою очередь, зависит от результатов оценки качества земель [67, 83, 84, 90]. Так, результаты определения качества являются основой методики кадастровой оценки земель сельскохозяйственного назначения 2005 г. [83], а в методике 2010 года [84] косвенно влияют на кадастровую стоимость через нормативную урожайность. В связи с этим производится изучение состояния земельных ресурсов в целях получения достоверной информации о свойствах земель как средства труда в сельском хозяйстве (рисунок 1.1) [70, 98]. Отсутствие или недостаток информации о свойствах земли как приобретаемого товара, качественное состояние которого является основополагающим, приводит к неоправданному занижению или завышению стоимости земельных участков и, как следствие, создает многочисленные прецеденты для возникновения судебных споров [20, 52, 103].
Кроме ведущей роли в государственном управлении земельными ресурсами, сведения о состоянии и использовании земель необходимы для информационного обеспечения рынка земель, которое опирается на два базовых принципа: непрерывный сбор информации о состоянии земель в РФ, ее обработка и хранение; анализ и оценка качественного состояния земель с учетом воздействия природных и антропогенных факторов. Без выполнения и строгого соблюдения данных аспектов представляется затруднительным реализация основных задач по объективной оценке качественного состояния земель. Лишь обладая полной и достоверной информацией о качественном состоянии земель, потенциальных причинах его снижения, возможно осуществление рационального и эффективного управления земельными ресурсами и выработка мероприятий по предотвращению развития деградации земель [113].
Вопросы рационального и эффективного использования земель, их охраны, землеустройства, мониторинга нашли отражение в научных трудах А.А. Варламова, В.В. Вершинина, С.Н. Волкова, Г.В. Дудко, Н.В. Комова, Г.Л. Кофф, Г.А. Ларионова, О.Б. Леппке, П.Ф. Лойко, СИ. Носова, М.А. Сулина, В.П. Троицкого и др. ученых. Исследованиям в области оценки качественного состояния земель сельскохозяйственного назначения посвящены работы В.В. Ананьева, Г.Д. Гогмачадзе, Л.М. Державина, В.В. Докучаева, С.Н. Захарова, В.Д. Иванова, И.И. Карманова, А.Н. Каштанова, Т.Н. Кулаковской, Д.С. Орловой. В работах данных авторов заложены научные основы проведения оценочных работ по определению качества земель. Однако в современных социально-экономических условиях требуются новые научно-обоснованные подходы и методы по определению уровня качества земельных ресурсов.
На данном этапе развития оценки качества земель в России отсутствует единая система сбора и систематизации информации об их состоянии. Основная часть данных, полученных в 70-80-х гг. прошлого столетия, потеряла свою актуальность, состояние большей части земель в развитых регионах значительно изменилось [60]. Существует недостаток в достоверных сведениях о степени соответствия использования земель их целевому назначению.
Выявление зависимости производительной способности почв от их признаков и свойств
Обобщенные материалы являются основой для построения корреляционного поля зависимости урожайности от изучаемого признака при минимально возможном влиянии всех оставшихся признаков. Интерпретация графического представления в таком виде позволяет сделать предварительную гипотезу о форме взаимосвязи урожайности с анализируемым диагностическим признаком.
Корреляционные поля зависимости урожайности с содержанием органического вещества и подвижных форм фосфора представлены на рисунке 2.2 и 2.3. Выбор наилучшей аппроксимирующей функции осуществлялся из следующего перечня: линейная, логарифмическая, полиномиальная, степенная и экспоненциальная. Из приведенных графиков следует, что анализируемые показатели плодородия имеют логарифмический характер влияния на урожайность, поскольку данный тип имеет максимальное значение коэффициента частной детерминации (рисунок 2.6).
На рисунках 2.4 и 2.5 представлены корреляционные поля связи урожайности с кислотностью и гранулометрическим составом, на которых также представлены основные аппроксимирующие семейства. Интерпретация построенных графиков позволяет сделать вывод о полиномиальном характере влияния признаков на урожайность (рисунок 2.6). Необходимо отметить, что остальные признаки не имеют ярко выраженного нелинейного характера влияния, в связи с чем, графики их корреляционных полей с урожайностью не представлены.
Итоговая столбчатая диаграмма со всеми значениями коэффициентов частной детерминации общепринятых семейств аппроксимирующих функций, при исследовании корреляционных полей признаков с нелинейными характерами влияния на урожайность представлена на рисунке 2.6. s і
Анализ рисунка 2.6 позволяет сделать однозначный вывод о наличии нелинейной формы связи ряда признаков дерново-слабоподзолистого типа почв с ее производительной способностью. Такие признака, как содержание органического вещества и подвижных форм фосфора наилучшим образом аппроксимируются посредством логарифмической функции, в то время как кислотность и гранулометрический состав имеют ярко выраженный полиномиальный характер зависимости.
После построение корреляционных полей и выявление форм связи признаков почвы с ее производительной способностью необходимо осуществить выбор диагностических признаков посредством множественного регрессионного анализа. Данная процедура позволит установить тесную взаимозависимость признаков с результативной переменной, в роли которой выступает урожайность зерновых культур, выраженная в центнерах на 1 единицу площади. Уравнение множественной регрессии представляет собой математически выраженную зависимость результативной переменной (урожайность) от исследуемых переменных (признаки почв) [42]. Уравнение регрессии характеризует среднее изменение урожайности сельскохозяйственных культур при влиянии определенного перечня признаков почв.
Решение первой задачи базируется на анализе матрицы коэффициентов парной корреляции и выделении тех признаков почв, для которых отсутствует мультиколлинеарность. Данная процедура была выполнена в п. 2.1. Также к искажению результатов регрессионного анализа приводит одновременное включение признаков, представляющих абсолютные, средние или относительные величины. В связи с этим было принято решение рассматривать именно абсолютные значения исследуемых признаков почв.
Выбор типа уравнения должен обеспечивать соотношение простоты и желаемой интерпретируемости получаемых результатов регрессионного анализа. Уравнение множественной линейной регрессии является наиболее предпочтительным по сравнению с другими типами регрессии, поскольку возможность интерпретации его параметров наиболее очевидна и проста, следовательно, является более подходящей для использования с целью анализа и прогноза результатов [46].
В п. 2.1. были раскрыты причины того, что исходный массив данных не лишен различного рода погрешностей. Эффект уточнения, который может дать применение нелинейной регрессии в таких условиях, является абсолютно незначительным [12, 37]. Описанные обстоятельства являются доказательством необходимости использования именно множественной линейной регрессии.
Параметры линейного уравнения множественной регрессии оцениваются методом наименьших квадратов (МНК), который предназначен для обеспечения минимальности суммы квадратов отклонений фактических значений урожайности от ее теоретических значений, полученных на основе уравнения регрессии [48]. Главное условие МНК представлено ниже.
С целью выявления доли дисперсии результативной переменной у (урожайность), объясненной за счет учтенных в анализе признаков и свойств почв, используется коэффициент множественной детерминации, значения которого находятся в интервале от 0 до 1. Основным назначением коэффициента множественной детерминации является оценка качества уравнения множественной регрессии: чем больше его значение, стремящееся к единице, тем надежнее результаты анализа и прогноза на его основе [12].
С целью доказательства необходимости учета нелинейного характера зависимости производительной способности почв от их диагностических признаков были выполнены линейный без и с преобразование значений признаков регрессионные анализы с последующим сопоставлением полученных данных. Результаты множественного регрессионного анализа исходных данных (Приложение А) представлены в таблице 2.3. Коэффициенты линейного уравнения множественной регрессии показывают, на сколько единиц в среднем изменяется результирующая функция при изменении xt на одну единицу своего измерения. Знак при коэффициенте регрессии соответствует направлению зависимости функции от переменных.
Графический способ определения вклада каждого из признаков за счет нелинейного влияния
Как было изложено в п. 1.1, бонитировка почв представляет собой сравнительную оценку качества почв, их потенциального плодородия и производительной способности. Следовательно, для сопоставления уровней качества почв и их потенциального плодородия необходимо выразить эти величины в количественном выражении. С целью количественного выражение качества почв наиболее широкое распространение получила закрытая 100 бальная шкала, где наивысший балл присваивается наилучшему (оптимальному) значению по диагностическому признаку почв.
Такие диагностические признаки дерново-слабоподзолистых почв Лужского района Ленинградской области, как содержание органического вещества и подвижных форм фосфора, в соответствии с п. 2.4, имеют логарифмический тип аппроксимации. В эконометрической литературе [102, 117], а также в ряде статистических программных пакетов в качестве аппроксимирующих функций различных нелинейных зависимостей широко используются логарифмические функции аргументов оснований (общепринятым является натуральный логарифм). Однако применение подобных функций для решения задач по математическому преобразованию значений признаков почв имеет ряд существенных недостатков. В частности, данное семейство имеет слабую гибкость при решении задач аппроксимации, что затрудняет ее использование при преобразовании значений признаков почв [93]. Кроме того, при значениях аргумента меньше 1 функция принимает отрицательные значения, что является неприемлемым для решения задач качественной оценки. В этой связи, а также с учетом сложности выражений логарифмических функций при необходимости потенцирования значений, делает данное аппроксимирующее семейство неудобным при создании моделей преобразования значений диагностических признаков в баллы бонитета.
В п. 2.4 было выявлено, что зависимость уровня качества земель от гранулометрического состава и кислотности почв имеет полиномиальный тип аппроксимации. Данное семейство обладает безусловной гибкостью при решении задач аппроксимации, однако это сопряжено с существенным его недостатком -при повышении степени полинома наряду с улучшением аппроксимирующих свойств в диапазоне изменения имеющихся экспериментальных данных, за пределами этого диапазона резко увеличивается нелинейность, носящая часто колебательный характер, не имеющий логического объяснения [93]. Значительное влияние на вид полиномиальной аппроксимирующей функции имеют погрешности определения исходных величин, что способно привести к нулевому эффекту основных достоинств данного семейства. Из вышеописанного следует, что полиномиальная аппроксимирующая функция также является обоснованно неприемлемой при создании моделей преобразования значений диагностических признаков.
В связи с этим возникает прямая необходимость в разработке метода, использование которого позволит произвести преобразование значений всех диагностических признаков почв в баллы бонитета с учетом выявленного их нелинейного влияния на уровень качества почв. Причем аппроксимирующая функция должна иметь минимальное количество определяемых параметров, понятна и проста в использовании.
Из существующих известных функций наиболее близкими к логарифмическому аппроксимирующему семейству являются степенная и экспоненциальная. Выбор между ними необходимо осуществлять на основе анализа наилучшего описания выявленных в п. 2.4 логарифмических аппроксимирующих зависимостей между органическим веществом и фосфором с урожайностью культур.
С целью замены полиномиальной аппроксимирующей функции при двусторонних ограничениях, когда отклонение от оптимального значения в любую сторону приводит к ухудшению общего состояния, необходимо разделить график на две части - до и после оптимального значения, т.е. использовать кусочно-линейную аппроксимацию. Из анализа первой части аппроксимирующей функции следует, что также целесообразно использоваться формулы степенной или экспоненциальной аппроксимирующих функций, поскольку данное семейство наиболее полно отражает основные закономерности между урожайностью и значениями диагностических признаков. При детальном анализе второй части графика, была выявлена зависимость между урожайностью и признаками ее слагающими, которая также может быть аппроксимирована описанными выше семействами функций, при условии определенного нормирования значений признаков.
Для последующего сопоставления результатов выполнения подбора наиболее адекватной аппроксимирующей функции, которая будет описывать выявленные зависимости между урожайностью и диагностическими признаками, необходимо произвести нормирование значений, поскольку, как уже было изложено в п. 2.2, не рекомендуется при регрессионном анализе одновременно использовать обычные и нормированные значения [37].
Нормирование значений, для степенной и экспоненциальной функций аппроксимации при одностороннем ограничении и в первой части кусочно-линейного графика при двустороннем ограничении, производилось по формуле
Подбор значений степени для двух выбранных функций осуществлялся путем ряда итераций (калибровки), направленных на преобразование исходного массива данных и нахождения максимально возможного значения скорректированного значения коэффициента множественной детерминации. Функция, имеющая наибольшее значение коэффициента детерминации, будет наиболее полно и корректно описывать полученные зависимости между урожайностью и диагностическими признаками почв. Необходимо отметить, что показатель степени в степенной и экспоненциальной функциях следует рассматривать как коэффициент преобразования, отражающий характер взаимосвязи исследуемых признаков почв с ее производительной способностью.
Расчет баллов бонитета землепользования Лужского района Ленинградской области по диагностическим признакам и урожайности основных сельскохозяйственных культур
Анализ результатов, представленных в таблице 4.5, позволяет сделать вывод о том, что разница баллов бонитета, рассчитанных по признакам почв и многолетней урожайности, значительно меньше чем при учете нелинейного характера влияния диагностических признаков на состояние почв. Следует отметить, что максимальное расхождение наблюдается в 12-ом оценочном разряде почв, в то время как с 1 по 3 разряды наблюдается переоценка качества почв, а после 3-го существенная недооценка качественного состояния, рассчитанного по диагностическим признакам.
В 6 и 11 столбцах таблицы 4.5 были рассчитаны уровни урожайности, приходящиеся на 1 балл бонитета в каждом из оценочных разрядов. Графическая интерпретация полученных результатов представлена на рисунке 4.6. Необходимо учитывать, что на почвах, различных по качеству, можно получить близкие по величине значения урожая сельскохозяйственных культур при различных затратах, причем в ряде случаев затраты будут тем больше, чем ниже качество почвы [10, 49-51]. Однако исследуемые земли подвержены абсолютно идентичной интенсивности земледелия и уровню агротехники на всех возделываемых угодьях, следовательно, данные факторы не влияют на результат сопоставления баллов бонитета.
При оценке почв без учета нелинейного характера влияния признаков почв на уровень качественного состояния наблюдается нелинейная связь урожайности с баллами бонитета [21]. Эта особенность связи результатов оценки, полученных по диагностическим признакам, с урожайностью наблюдается на рисунке 4.5. Однако такой характер связи затрудняет переход от баллов бонитета к значениям уровня урожайности, что часто необходимо при отсутствии данных по многолетней урожайности на различных землях. Следует отметить, что учет нелинейного характера влияния признаков на качественное состояние почв привел к получению линейной связи урожайности от баллов бонитета (рисунок 4.6). Это является непосредственным доказательством объективности разработанного метода оценки качества земель сельскохозяйственного назначения и обуславливает необходимость его использования при условии нелинейной зависимости производительной способности почв от их диагностических признаков.
Корректная налоговая политика, в первую очередь, должна быть направлена на повышение плодородия земель сельскохозяйственного назначения и соблюдение рациональности их использования. Результаты оценки качественного состояния земель должны стать тем инструментом, научно-обоснованное применение которого приведет к стимулированию землепользователей в повышении плодородия используемых земель. С этой целью необходимо осуществление непрерывных наблюдений за состоянием земель сельскохозяйственного назначения, оценки их качества с последующим сопоставлением результатов для установления величины изменений в уровне плодородия. В случаях, когда качество земель увеличилось за счет рационального их использования, вложенного труда, удобрений, правильной организации севооборотов, производить уменьшение налогового бремени на таких угодьях. В противоположном же случае наоборот, должно происходить увеличение налогообложения по причине ухудшения качества земель. Описанный механизм приведет к дополнительной мотивации землепользователей в повышении уровня по плодородия земель, и как следствие к более рациональному использованию земельных ресурсов.
В четвертой главе приведена апробация разработанного в главе 3 метода оценки качества земель на примере землепользования Лужского района Ленинградской области. Результаты земельно-оценочных работ по определению качества земель сельскохозяйственного назначения, рассчитанные по линейной модели, характеризуются невысокой объективностью, поскольку не отражают реального состояния ввиду наличия неучтенного нелинейного воздействия диагностических признаков почв на их производительную способность. При устранении данного недостатка были достигнуты следующие результаты и сформулирован ряд выводов:
Во-первых, выявлен диагностический признак (кислотность), учет нелинейного характер которого при определенных значениях приводит к снижению балла бонитета. Максимальное значение переоценки качественного состояния по данному признаку составило 6 баллов, что соответствует 9% от значения, рассчитанного по линейной модели.
Во-вторых, установлено, что разница баллов бонитета, рассчитанная по признакам почв по разработанному методу и многолетней урожайности, значительно меньше, чем при условии определения баллов по линейной модели. Причем максимальное расхождение уровня качества земель наблюдается в 12-ом оценочном разряде, в то время как с 1 по 3 разряды наблюдается переоценка качества почв, а после 3-го существенная недооценка качественного состояния, рассчитанного по диагностическим признакам.
В-третьих, доказана эффективность разработанного метода оценки качества земель сельскохозяйственного назначения. Так, учет нелинейного характера влияния диагностических признаков почв на их производительную способность привел к получению линейной связи урожайности от баллов бонитета, в отличие от линейной модели. Это является непосредственным доказательством объективности разработанного метода оценки качества земель сельскохозяйственного назначения и обуславливает необходимость его использования в условиях нелинейной зависимости производительной способности почв от их диагностических признаков.
В-четвертых, установлено, что значения баллов бонитета по разработанному методу находятся в интервале от 39 до 96. Разница средних баллов бонитета, рассчитанных по линейной и предлагаемой моделям, изменяется в пределах от 0 до 5 баллов. Максимальная величина изменения результатов определения баллов бонитета сельскохозяйственных контуров вследствие учета нелинейной зависимости производительной способности почв от их диагностических признаков составила 16,5%. В среднем результаты оценки качества земель исследуемого землепользования Лужского района Ленинградской области изменились на 5%, что является доказательством актуальности выбранной темы диссертационного исследования и свидетельствует о необходимости корректировки определения уровня качества земель сельскохозяйственного назначения с учетом нелинейного влияния диагностических признаков почв на их производительную способность.