Environmental determinants may increase or decrease the income potential of farms, therefore, research on the income situation of farms located in areas with diversified natural farming conditions may be justified. The main aim of the article was to identify differences in the income situation, as well as to assess income inequalities between farms located in less favoured areas (LFA) and other entities (non-LFA). Changes in the scale of inequality in the years 2014-2021 in farms located in LFA areas can be divided into three main phases: a decline until 2017, a sharp increase in 2018 and another decline from 2019. Income inequality on LFA farms measured by the Gini coefficient in 2014-2021 decreased by 5.5%, while on non-LFA farms by 5.3%. This implies the need for in-depth monitoring of the economic and financial situation of farms located in LFA. An in-depth assessment of income inequalities for individual types of LFA may be important, including from the point of view of shaping new tools in the context of updating the CAP, which emphasises the imperative of improving the resilience of farms.
PL
Determinanty środowiskowe mogą zwiększać lub obniżać potencjał dochodowy gospodarstw rolnych, stąd też uzasadnione mogą być badania sytuacji dochodowej gospodarstw rolnych położonych na obszarach o zróżnicowanych naturalnych warunkach gospodarowania. Celem podstawowym artykułu było zidentyfikowanie różnic w sytuacji dochodowej, a także ocena nierówności w zakresie dochodów między gospodarstwami położnymi na obszarach o niekorzystnych warunkach (ONW) a pozostałymi podmiotami (poza ONW). Zmiany skali nierówności w latach 2014-2021 w gospodarstwach położonych na obszarach ONW można podzielić na trzy zasadnicze fazy: spadek do 2017 roku, gwałtowny wzrost w roku 2018 oraz ponowny spadek od 2019 roku. Nierówności dochodowe w gospodarstwach ONW mierzone współczynnikiem Giniego w latach 2014-2021 zmniejszyły się o 5.5%, natomiast w gospodarstwach nie położonych na OWN o 5.3%. Implikuje to potrzebę pogłębionego monitoringu sytuacji ekonomiczno-finansowej gospodarstw położonych na ONW. Istotna może być pogłębiona ocena nierówności dochodowych dla poszczególnych typów ONW, w tym z punktu widzenia kształtowania nowych narzędzi w kontekście aktualizacji WPR, która eksponuje imperatyw poprawy odporności (resilience) gospodarstw.
Aligning farms with the European Green Deal necessitates precise identification and analysis of the interplay between primary economic factors and ecological dimensions. This study presents detailed research findings on the correlation between ecological indicators, CH4 and N2O emissions, and economic metrics within a regional framework. The research draws on data from farms participating in the European Agricultural Accounting Network (FADN) spanning 2010-2019. The resultant analysis underscores substantial correlations among the examined parameters. Regions characterised by heightened agricultural production intensity report elevated agricultural income. However, this is coupled with increased environmental impact and heightened greenhouse gas emissions, particularly among farms engaged in animal production. Mazowsze, Podlasie, Wielkopolska, and Slask exhibit notable progress in proenvironmental initiatives. In the Pomorze and Mazury regions, expenditures on fertilisation and plant protection remain close to the average, culminating in an efficient equilibrium of organic matter in the soil and minimal CH4 and N2O emissions per hectare.
PL
Transformacja gospodarstw rolnych zgodnie z Europejskim Zielonym Ładem wymaga precyzyjnej identyfikacji i analizy relacji między głównymi czynnikami ekonomicznymi a aspektami ekologicznymi. W niniejszym opracowaniu przedstawiono wyniki szczegółowych badań dotyczących korelacji między wskaźnikami ekologicznymi, emisją CH4 i N2O a wskaźnikami ekonomicznymi w kontekście regionalnym. Badania oparto na danych z gospodarstw rolnych uczestniczących w Europejskiej Sieci Rachunkowości Rolniczej (FADN) za lata 2010-2019. Uzyskane wyniki analizy wykazują istotne współzależności między badanymi parametrami. W regionach o wysokim poziomie intensywności produkcji rolniczej, gospodarstwa notują wyższe dochody rolnicze, jednakże wiąże się to z większym obciążeniem środowiska naturalnego oraz większymi emisjami gazów cieplarnianych, zwłaszcza w gospodarstwach prowadzących produkcję zwierzęcą. Mazowsze, Podlasie, Wielkopolska oraz Śląsk wykazują znaczący postęp w implementacji działań prośrodowiskowych. W regionach pomorskim i mazurskim, wydatki na nawożenie i ochronę roślin utrzymują się na poziomie zbliżonym do średniej, co przekłada się na efektywną równowagę materii organicznej w glebie oraz minimalne emisje CH4 i N2O na hektar.
The goal of this work is to valuate ecosystem benefits on the example of an average farm in the Zachodniopomorskie voivodship. Based on the Central Statistical Office’s data on agriculture in the Zachodniopomorskie voivodship, two multicriteria optimization models have been constructed. The first model related to a farm dealing only in plant cultivation. The second model described a farm with livestock. In both of them, production was based on the principles of sustainable development. Their extensive activity contributes to an increase in benefits of agroecosystems.
Wszystkie gospodarstwa rolne województwa zachodniopomorskiego w latach 2003-2006 podzielono na osiem grup areaowych (1-5 ha, >5-10 ha, >10-15 ha, >15-20 ha, >20-30 ha, >30-50 ha. >50-200 ha, >200 ha). Na podstawie rzeczywistych danych dla każdej grupy zbudowano dynamiczne modele optymalizacyjny ze stochastycznymi współczynnikami funkcji celu. Wyniki rozwiązań modeli są realizacją celu pracy i przedstawiają optymalną strukturę produkcji, opłacalne kierunki produkcji, największy dochód rolniczy, jaki można osiągnąć w danych warunkach oraz ryzyko realizacji zamierzeń w gospodarstwach o różnej powierzchni.
EN
All farms in the Zachodniopomorskie region in Poland between 2003 and 2006 were divided into eight size groups (1-5 ha, >5-10 ha, >10-15 ha, >15-20 ha, >20-30 ha, >30-50 ha. >50-200 ha, >200 ha). On the basis of actual data a dynamic optimization models with stochastic coefficients of the goal function were built for each of the groups. The results of the model solutions are the implementation of the goal of the work and present optimal structure of production, profitable directions of production, the highest farm income possible in given conditions and the risk of plans implementation in farms of various size.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.