© Агеева Алина
АОМ состоит из трех главных частей: модуль агент-ориентированных акторов, с помощью которого имитируются действия владельцев усадьб, фермерских хозяйств, администрации Национального парка, частных компаний, а также властей района; модуль землепользования, созданный на основе данных геоинформационной системы (ГИС), с помощью которого имитируется изменение типа и интенсивности землепользования на уровне локальных территориальных единиц – земельных участков; модуль встроенной социально-экологической модели потоков выбросов, с помощью которого имитируется динамика углеродных и азотных выбросов, влияющих на социально-экономическую и экологическую системы региона. Модель можно использовать для изучения процессов взаимосвязанности социально-экономической и природной элементов в комплексных системах, прогнозирования влияния действий региональных властей на экологические и социально-экономические условия Рейхраминга
Для комплексного анализа социально-эколого-экономических систем необходимо разрабатывать инновационные модели, способные выявить взаимосвязи социально-экономической и природной элементов с целью прогнозирования последствий, связанных с действиями региональных властей. Подобная модель была создана для района Рейхраминг в Северной Австрии, расположенного на платформе Айзенвюрцен и представленного гористым рельефом, на 80% покрытым лесами, находящими в ведомстве и под контролем Федерального Лесного департамента. Многие из 1800 жителей административного района Рейнхарминг испытывают проблемы локального трудоустройства. Большая часть из 60 фермерских хозяйств занимаются разведением, выращиванием скота и производством молока. Более трети территории Рейхраминга – около 100 кв. км – занято национальным парком Калкальпен. Платформа Айзенвюрцен расположена в северных известняковых Альпах и характеризуется резко неоднородным рельефом, имеющим как высокогорные точки, так и относительно плоские участки на низких отметках. Исследуемый регион имеет многовековую историю, связанную с металлургической отраслью и добычей металлической руды, начавшейся здесь ещё 500 лет назад. Около 400 лет назад объемы железа, производимого в регионе, составляли около 15% объёмов отрасли всей Европы. С началом повсеместного использования угля, железных дорог и перехода на технологию выплавки металлов, шахты региона были заброшены, а сама отрасль территориально переместилась за его пределы. Сегодня большая часть Айзенвюрцена имеет предельные сельскохозяйственные производственные показатели; регион испытывает типичные проблемы, связанные с чрезмерной антропогенной нагрузкой и истощением природных ресурсов, и характеризующиеся такими процессами, как спад в сельском хозяйстве, проблемы трудоустройства местного населения, низкая доходность и постепенное ухудшение состояния инфраструктуры.
Для достижения заявленных целей исследования, авторы прибегли к междисциплинарному научному методу структурированного анализа, с помощью которого вопросы социального преобразования были переведены в научные категории, а затем трансформированы в язык моделирования. В исследовательский процесс были вовлечены следующие группы местного населения: представители властей района, владельцы частных компаний, женщины, а также фермеры. Вся предоставленная ими информация, их предложения, равно как и официальные статистические данные, были использованы в начальной версии модели, специально разработанной таким образом на платформе AnyLogic, чтобы участники проекта могли ее легко тестировать по заданным вариативным параметрам, получив некий общий базис-платформу для совместного анализа и обсуждения полученных результатов, с тем чтобы в дальнейшем исследователи могли создать последующую, усовершенствованную версию модели.
Модель объединяет следующие группы акторов: фермы и фермеры (1), домовладения (2), муниципалитет (3), Национальный парк (4), Федеральный Лесной департамент (5), частные компании (биоэнергетические, туристические и остальные - 6), туристы (7). Использовался метод суммарных акторов, когда множество агентов представлены одним актором и имеют единую схему действия – поведенческий механизм, с учетом параметров их количества (2, 6, 7). Остальные агенты имеют их индивидуальные схемы поведения и принятия решений.
Модуль агент-ориентированных акторов. Наиболее комплексными агентами в модели являются фермы, т.к. они имеют множество индивидуальных параметров: размеры земельных участков, поголовье скота, наличие пастбищ, временные показатели получения готовой продукции, данные демографического протокола семей фермеров, размеры и типы культивируемых земель и наличие лесных насаждений, интенсивность продукции, размеры получаемых субсидий, наличие сельскохозяйственного производства, работа фермеров по найму за пределами принадлежащих им ферм, не связанная с производством сельскохозяйственной или животноводческой продукции. С каждым шагом прогона модели, равным одному календарному году, оценивается положение агентов-фермерских хозяйств (ферм), складывающееся из показателей внутренних факторов – доходности, необходимого производственного времени, и внешних – объемов полученных субсидий, рыночных цен на сельхоз продукцию, условий рынка труда и биоэнергетики, доступности элементов инфраструктуры. Если ферма не получает предопределенной величины дохода или фермеры не получают минимального количества свободного времени (досуга), то агент-фермер действует, исходя из матрицы механизма принятия решений, например, меняя тип или интенсивность использования земли, ищет место приложения труда на рынке занятости, изменяет степень готовности к кооперации с др. фермерами, или закрывает ферму.
Основными функциями администрации Национального парка и Федерального Лесного департамента являются их действия в отношении земель, находящихся в их ведении. Национальный парк ведет охранную деятельность, в соответствии с определенными правилами. Департамент арендует земли заброшенных фермерских хозяйств и засаживает их лесами. Кооперация Национального парка и ферм состоит в том, чтобы создать благоприятные условия для привлечения туристов в Рейхраминг. Муниципалитет принимает решения об инвестировании в туристическую инфраструктуру, частные компании или домовладения, исходя из величины бюджетных средств. Другой функцией муниципалитета является перевод земельных участков под застройку.
Частные компании нуждаются в работниках, поэтому они обеспечивают жителей района рабочими местами. Когда складывается благоприятная ситуация для учреждения компании, например, имеются позитивные параметры биоэнергетических показателей, количество вакансий увеличивается, что повышает привлекательность района как места для проживания и в итоге ведет к увеличению количества населения и домохозяйств (что также увеличивает поступление средств в муниципальный бюджет). Однако, более интенсивная застройка и увеличение количества компаний оказывают и негативное воздействие на ландшафт, что может снизить привлекательность для туристов и желающих поселиться в районе. Поэтому, два актора – туристы и домовладения, зависят от результата принятия решений (действий) др. акторов или агентов, что выражается в изменении их количества.
Взаимодействие агентов (или акторов) в модели происходит двумя различными способами: 1 – модель содержит форму матриц множества параметров, которые меняются в результате действий акторов; система матриц отображает уровень благоприятности текущего состояния для каждого актора, а затем влияние принятых акторами решений (действий) на следующие прогнозные годы; 2 – отношения между агентами складываются через процесс аренды земель; когда фермеры вынуждены или желают сдать в аренду часть своих земель, они направляют информацию на рынок недвижимости; в течение того же времени фермеры, муниципалитет и лесной департамент размещают свои запросы на аренду земельных участков; как только параметры заявителей совпадают на 70%, с учетом размера земельного участка, появляется возможность для его перевода; фермеры имеют право первыми арендовать вакантный участок, затем следует муниципалитет, и последним – департамент. Действия и взаимоотношения социальных акторов АОМ приводят к изменениям типа землепользования и интенсивности использования земельных ресурсов, т.о. обеспечиваются исходные данные для параметров модуля землепользования. А выходные данные модуля землепользования являются исходными параметрами для социально-экологического модуля потоков выбросов.
Модуль землепользования имитирует реальную пространственную систему и структуру текущего землепользования и их изменения, основываясь на существующих данных ГИС. Каждый земельный участок в системе имеет свой идентификационный номер, а также данные об индивидуальных параметрах: тип и интенсивность землепользования, виды насаждений, географические координаты, характеристики почвы, высотные отметки. Имеется возможность присоединения базы данных к ГИС для визуального отображения полученных в результате прогона модели результатов. Когда фермер принимает решение сдать в аренду земельный участок или его часть, сменить тип землепользования или интенсивность, в базе данных корректируются характеристики земельного участка, и информация поступает в модуль потоков выбросов. Далее этот модуль имитирует биофизические характеристики и объёмы потоков выбросов, которые передаются в модуль агент-ориентированных акторов. Модуль землепользования не является динамичным; он – связующее звено между модулями потоков выбросов и агент-ориентированных акторов.
С помощью Модуля потоков выбросов вычисляются углеводородные (У) и азотные выбросы (А); он разработан для фокусирования внимания на взаимосвязах динамических процессов между социально-экономической и экологической составляющими. (У) и (А) выбросы от сельскохозяйственных объектов и лесов были откалиброваны с использованием параметров, полученных в результате прогона более сложной модели экосистемы Biome-BGC (Pietsch SA, Hasenauer H, Thornton PE (2005) BGC-model parameters for tree species growing in central European forests. Forest Ecology and Management 211:264-295). Модуль состоит из следующих частей: фермы, включая луга и пастбища; леса федерального значения и Национальный парк; экономическая деятельность домохозяйств и частных компаний. Вычислялись следующие антропогенные (У) и (А) выбосы в результате деятельности ферм: N2O и NH3, исходящие от навоза и запасов кормов; CH4 – в результате пищеварительной деятельности скота; убыль (У) и (А) выбросов вследствие экспорта продуктов животноводства; нетто CO2 обмена между лугами и атмосферой; объёмы выбросов CO2, CH4 и N2O в результате использования концентрированных кормов, топлива, лесохозяйства. (У) и (А) выбросы от ферм высчитывались для каждой фермы погодично, учитывая все принадлежащие им земельные участки и поголовье скота, а также решения, принимаемые фермерами относительно типа и интенсивности хозяйства. (У) и (А) цикл лесного фонда высчитывался также погодично с учетом стратегии деятельности администрации Национального парка, прекратившего вырубку лесов в 1997 г., и Лесного департамента, управляющего лесохозяйством по передовым технологиям. CO2, CH4 и N2O выбросы от домовладений и частных компаний вычислялись с учетом типа и изношенности конструкций, а также энергоисточников, используемых для освещения и обогрева (бензин, уголь, дрова, электричество или газ можно заменить в модели, в зависимости от отношения местных жителей к возобновляемым источникам энергии).
В модели использовались различные сценарии развития, с учетом внешних факторов, действия муниципальных или региональных властей, предпочтений агентов, ожиданий фермеров в отношении доходов, времени досуга, их желаний к взаимодействию и кооперации с др. фермерами или властями района. В соответствии с исходным сценарием (REF), предполагается, что начальные условия 2006 г. будут неизменными в течение последующих 30 лет; он использовался как базовый вариант, с которым сравнивались результаты прогона модели по др. сценариям. Второй сценарий (TREND) предполагает включение позитивных факторов, таких как двукратное увеличение цен на сельхозпродукцию и использование биоэнергетики (отрасль электроэнергетики, основанная на использовании топлива из биологического сырья). Третий сценарий (GLOB) предполагает включение негативных факторов – отсутствие программ по развитию региона, применение нео-либеральных экономических методов с неограниченной доступностью природных ресурсов, резким падением цен на сельхозпродукцию и отказа от субсидирования, вследствие чего, использование биоэнергетики становится непривлекательным, т.к. цены на топливо падают и мероприятия по оздоровлению климата прекращаются; желание фермеров к кооперации с муниципалитетом исключается, взамен, допускается переход к прямому маркетингу – сбыту сельхозпродукции без посредников, а также увеличению на 90% предложений фермеров по аренде их земельных участков Лесным департаментом. И наконец, четвертый сценарий (LOC) предполагает применение властями программ развития региона; допускается включение негативных условий, таких как в третьем сценарии, но взамен, и позитивных факторов – заинтересованности муниципалитета и домовладельцев во внедрении стратегий для нейтрализации негативных условий, например, переход ферм на инновационные технологические концепции и органическое земледелие, готовность фермеров к кооперации с властями и др. фермерами, взаимодействие муниципалитета района с соседними муниципальными ведомствами для улучшения условий на рынке труда Рейхраминга, двукратное увеличение субсидирования муниципалитета из федерального бюджета страны по сравнению с базовым сценарием.
Результаты. В ходе прогонов модели на прогнозные 30 лет по вариативным сценариям, были получены и сопоставлены переменные данные следующих показателей: количество фермерских хозяйств; территории лугов (га); % инновационных ферм; общая территория ферм (га); годовые трудочасы (ч / фермер); годовая доходность (€ / фермер); территории интенсивного земледелия (га); территории традиционного земледелия (га); территории экстенсивного земледелия (га); количество домовладений; % жителей, совершающих регулярные маятниковые поездки в пределах территории района (локальная трудовая миграция населения); муниципальные бюджетные средства (€); годовое количество туристов; выбросы парниковых газов от ферм на га; объемы CO2 / га пастбищ и лугов; нетто поглощения CO2 / га лесами; N2O выбросы ферм (кг N / гa); - ; - то же, лесов; вымывание азота от ферм (кг N / гa); - то же, лесов; NH3 выбросы от ферм (кг N / гa); сток углеводорода от лесов и пастбищ (103 (У)).
В соответствии с результатами прогонов модели по заданным условиям сценария (TREND), сложились позитивные изменения для развития биоэнергетики, что активизировало деятельность владельцев лесохозяйств (фермеров, департамент); увеличилось количество частных компаний, торгующих древесиной и продукцией биоэнергетики, а также рабочих мест в районе, что в итоге привело к увеличению количества домовладений в Рейхраминге на 10%; доля домовладельцев, использующих органическое топливо для отопления, увеличилось на 90%. Прогоны модели по сценарию (GLOB) показали наихудшие результаты практически по всем параметрам: многие фермы закрылись, количество домовладений и туристов уменьшилось, трудочасы фермеров возросли одновременно с уменьшением дохода; вероятность учреждения новых частных компаний упала практически до нуля, при этом количество трудовых миграционных движений увеличилось на 75%, т.о. район перестал быть привлекательным для туристов и новых резидентов. Применение сценария (LOC) показало, что программные мероприятия властей района, а также кооперация с резидентами и фермерами, способны смягчить негативные условия: количество домовладений приближено к показателям базового сценария (REF), а количество трудовой миграции даже чуть ниже по сравнению с (REF). Показатели социально-экономической динамики (количество домовладений и трудовых миграций) по вариативным сценариям представлены на графиках ниже.
В отношении динамики землепользования, по видам и интенсивности использования земельных ресурсов, произошло увеличение на 15% территорий лугов и пастбищ в сценариях (TREND) и (LOC) по сравнению с базовым (REF). В соответствии с условиями сценариев (REF) и (TREND), земледелие осуществляется преимущественно традиционным способом, а (LOC) и (GLOB) – экстенсивным, с долей сельхозтерриторий более 50%. Доля присутствия интенсивно возделываемых полей больше по (LOC) сценарию в первые прогнозные 20 лет, а далее – по (TREND). Динамику изменения землепользования по трем сценариям в сравнении с базовым см. на рис. внизу.
Показатели динамики объёмов (У) и (А) выбросов в соответствии с условиями различных сценариев, зависят, в большей степени, от характеристик типов и видов землепользования, а также от решения домовладельцев использовать энерговозобновляемые источники. На рис. внизу показана динамика суммарных выбросов парниковых газов в муниципалитете Рейхраминг с 2008 по 2037 гг. по трем вариативным сценариям. В соответствии с условиями всех трех сценариев, выделяемые объёмы CO2 в атмосферу будут полностью поглощаться лесными массивами, что можно объяснить относительно молодым возрастом лесного фонда Национального парка, а также высоким процентом покрытия территорий в границах района лесами или лесными насаждениями (7 тыс. га против 350 га пастбищ и лугов). Тем не менее, при прогоне модели очень важно учитывать прогнозный временной интервал, и зависимость интенсивности поглощения CO2 лесами от возраста лесных насаждений; в конечном итоге, заданные в модели прогнозные 30 лет – недостаточный интервал времени для окончательных выводов, т.к. время ротации лесов составляет до 120 лет. Подробнее о показателях динамики потоков выбросов N2O, NH3, CH4, полученных в ходе прогонов модели по вариативным сценариям, можно прочесть в первоисточнике.
Выводы. Сравнивая полученные показатели по сценариям (TREND) и (GLOB), можно увидеть, каким образом внешние позитивные или негативные макроэкономические условия могут влиять на развитие Рейхраминга. Выходные данные по сценарию (REF) находятся приблизительно посередине. Например, повышение цен на энергоресурсы, может оказать благоприятное воздействие на развитие биоэнергетики, что будет означать для Рейхраминга – района, имеющего высокий потенциал в данной сфере, нейтрализацию или преодоление негативных экономических факторов. Сравнивая результаты по сценариям (LOC) и (GLOB), можно увидеть, какие программные мероприятия, проводимые муниципальными и региональными властями, могут препятствовать воздействию неблагоприятных макроэкономических факторов: поощрение развития органического земледелия, региональное субсидирование, кооперация фермеров с муниципалитетом и друг с другом, прямой маркетинг (сбыт продукции) и др. Возможность нейтрализации неблагоприятных макроэкономических факторов с помощью определённых программных мероприятий подтверждается также сравнением показателей (TREND) и (LOC) сценариев. Полученные данные по количеству фермерских хозяйств и территорий культивируемых земель примерно схожи, при том что параметры внешних экономических условий, например, рыночные цены на сельхозпродукцию, сильно различаются, кроме того в (LOC) сценарии отсутствует субсидирование фермеров. Тем не менее, нужно отметить, что несмотря на нейтрализацию негативных макроэкономических факторов с помощью программных инициатив и мероприятий в (LOC) сценарии, в конечном итоге, показатели трудовой нагрузки фермеров возрастают, т.о. ощутимо снижая качество жизни. Кроме того, имеется существенная разница и в экологических показателях: в (LOC) сценарии объёмы парниковых газов, исходящих от домовладений, практически вдвое превышают объёмы в (TREND) сценарии.
Сравнительный анализ социально-экономических и экологических показателей выявляет неоднозначный характер их взаимоотношений: сценарии, благоприятные для социально-экономического развития, являются менее предпочтительными с точки зрения экологических последствий, и наоборот. В итоге анализ результатов по вариативным сценариям показал, что развитие биоэнергетики в малодоходных или убыточных сельскохозяйственных районах промышленно развитых стран может стать средством достижения оптимального соотношения между социально-экономическими и экологическими целями, и реально способствовать устойчивому развитию данных территорий (областей). Сравнение сценариев (TREND) и (GLOB) показывает, что отсутствие региональных программ развития или недостаточно эффективные мероприятия в этом направлении могут привести к большим объёмам выбросов парниковых газов и худшим социально-экономическим условиям: депопуляции населения района и потери туристической привлекательности ландшафта.
Авторы модели полагают, что дальнейшее усовершенствование интегрированных комплексных моделей, путем привнесения в них дополнительных научных данных и методов из различных междисциплинарных областей, может способствовать созданию эффективного инструмента для подробного анализирования взаимосвязей между социальными, экономическими и экологическими составляющими регионального развития. Разработанная в 2009 г. модель может быть использована также как встроенная часть макроэкономической модели Австрии, или для прогнозирования влияния климатических изменений на социально-экономическую ситуацию Рейхраминга с целью разработки соответствующих программ администрирования, инвестирования в регион для его устойчивого развития и поддержки местного населения.
Оригинал статьи можно прочесть здесь.