Recent developments in agricultural planning; methods for the tropics and subtropics with special reference to the risk aspect

Abstract

In diesem Beitrag werden neuere Methoden der Behandlung von Risiko in der Agrarplanung der Tropen und Subtropen vorgestellt und in Hinblick auf ihre Anwendbarkeit und praktische Einsatzmöglichkeiten verglichen: Das Bernoulli-Prinzip in der Bewertung von Pflanzenschutzstrategien; die diskret stochastische Programmierung in einer Untersuchung zur optimalen Grundwasserbewirtschaftung und die stochastische Programmierung in der Analyse der Beeinflussung des gesamtbetrieblichen Risikos von Kleinbetrieben durch die Einführung technischer Neuerungen.

Das Bernoulli-Prinzip stellt eine Erweiterung herkömmlicher Verfahrensvergleiche dar. Subjektive Schätzgrößen, die das Risiko der Anwendung einzelner Verfahren wiederspiegeln, werden in die Kalkulation integriert und erweitern so die Interpretationsmöglichkeiten der Ergebnisse, ohne gleichzeitig die Anforderungen an die Datenbasis und Methodik wesentlich zu erhöhen.

Diskret stochastische Modelle leiten sich aus Entscheidungsbaumverfahren ab. Der Datenbedarf für die Formulierung der Modelle ist hoch; Wahrscheinlichkeiten für das Eintreffen bestimmter Ereignisse sind zu schätzen. Das Ergebnis der Modellrechnung ist deterministisch. Damit geht für die Interpretation der Ergebnisse ein wesentliches Potential, das durch die Einbeziehung der Wahrscheinlichkeiten in die Planungsrechnung aufgebaut wurde, wieder verloren. Ähnliches gilt für die Nichtberücksichtigung von Interdependenzen, wie sie zwischen Verfahren bestehen können.

Stochastische Modelle berücksichtigen kontinuierliche Wahrscheinlichkeitsverteilung von Parametern. Damit ist es möglich, zur Interpretation der Ergebnisse Methoden der Wahrscheinlichkeitstheorie und statistische Testverfahren anzuwenden. Die Qualität und Zuverlässigkeit der Planungsergebnisse wird bestimmt von der Zuverlässigkeit der Planungsdaten. Da die stochastische Information in Form von multivariaten Verteilungen in den Modellen verwendet wird, stehen Schwierigkeiten bei der Schätzung, Ableitung und Simulation der Verteilungen im Vordergrund. Voraussetzung der sinnvollen Anwendung ist eine verlässliche Datenbasis und Fragenstellungen, die die Anwendung stochastischer Modelle notwendig machen. Dies trifft auf Fragen der Einführung neuer Technologien in Kleinbetrieben zu.

Abstract

This contribution concentrates on recent developments in agricultural planning methods for the tropics und subtropics with special reference to the risk aspect. The application of Bernoulli's principle, discrete stochastic and stochastic programming methods are discussed in detail and compared to each other with respect to their practical use. The shown examples refer to the evaluation of plant protection strategies in the case of Bernoulli's principle, to the optimization of groundwater utilization in the case of discrete stochastic models and to an impact analysis of innovations on traditional small farms in the case of stochastic programming.

Bernoulli's principle can be regarded as an extension of common gross margin calculations. Specific risk parameters are integrated in the calculations and allow a more profound interpretation of the results without demanding for an extensive data base. Discrete stochastic models can be seen as programming formulations of decision trees. For estimating such models, a highly qualified data base must be available; especially since discrete probability distributions for certain events have to be estimated. The results of the model calculations are deterministic. The advantage for interpreting the results, gained by using stochastic information in the model formulation is not fully used. Interrelationships between activities, as they frequently occur, cannot be considered.

Stochastic models use continuous distributions of model parameters. The results of the models can be interpreted by using probability theory and statistical tests. The quality and reliability of the results are determined by the stochastic information which is used in the models as multivariate distributions. Problems in estimating, derivation and simulation of distributions occur frequently. A basic precondition for using such sophisticated methods is therefore reliable planning information and questions which demand the application of such models. This is especially the case, when new techniques should be introduced to traditional farming Systems and which will also change the farms' organization.