Tényleg csak létszám kérdése a vadkár?!



Hasonló dokumentumok
2010-es új öregségi és öregségi jellegű nyugdíjasok vizsgálata

Által-ér vízgyűjtő területének társadalmi és gazdasági helyzete az ezredfordulón

Ők nem szavaznak ma Magyarországon

Országos kompetenciamérés Országos jelentés

Foglalkoztatottak életkor, foglalkozás és képzettségi szint szerint 1995 és 2010 között (vertikális kongruenciavizsgálat)

Kik tanulnak tovább? A 2008-BAN EGYETEMRE, FŐISKOLÁRA JELENTKEZŐK NÉHÁNY STATISZTIKAI MUTATÓJA

Takács Sándor Csillag Sára Kiss Csaba

Martin Kíra: A könyv szerinti érték és az eredmény változók hatása a részvényárfolyamokra

A férfiak és nők közötti jövedelemegyenlőtlenség. szegregáció a mai Magyarországon

II. RÉSZ A TÖMEGTÁRSADALMAK KEMÉNY TÖRTÉNELME (A tömegtársadalmak mechanikája és termodinamikája az időben)

A nemteljesítési valószínűség és az optimális PTI-szint modellezése egy háztartási kérdőíves felmérés felhasználásával

* Modern piacelmélet. ELTE TáTK Közgazdaságtudományi Tanszék. Tárgyfelelős neve * Modern piacelmélet Hálózati hatások. * Hálózati hatások

Mikor vásárolj, és mikor adj el a profit eléréséért?

LOGISZTIKUS REGRESSZIÓS EREDMÉNYEK ÉRTELMEZÉSE*

MENNYIRE TERHELI A KÖRNYEZETET A HAZAI HÁZTARTÁSOK FOGYASZTÁSA? - A FOGYASZTÁSI SZERKEZET VIZSGÁLATA ÁKM-EGYÜTTHATÓKKAL

Hatékonyabb lakások - Makrogazdasági hatások

A HAZAI VÉGSŐ ENERGIA-FELHASZNÁLÁS ÉS A VILLAMOSENERGIA-ÁR PROGNÓZISÁNAK ELKÉSZÍTÉSE 2020-IG

A válság és az egyenlőtlenségek alakulása egy lokális példa

A működési kockázat és a hazai nagy összegű fizetési rendszer (VIBER)

VÁLLALATI VÁLASZOK A GAZDASÁGI VÁLSÁGRA A MAGYAR ESET

Neveltségi szint vizsgálat Miskolc, Szerencs, Edelény - kutatási beszámoló -

Kolosi Tamás Róbert Péter: A magyar társadalom. átalakulásának és mobilitásának fő folyamatai a rendszerváltás

Beszorulva: a baloldal a Fidesz és a Jobbik földrajzi szorításában

Mennyire fontos az olaj, avagy hatások és visszahatások az olaj és a tőkepiac között 1

A MAGYAR HÁZTARTÁSOK JÖVEDELMI-KIADÁSI EGYENLŐTLENSÉGEI ÉS MOBILITÁSA KAPITÁNY ZSUZSA MOLNÁR GYÖRGY

Nagy Gyula: Munkanélküliség a kilencvenes években

A benzin és a gázolaj magyarországi árszintjének és árazásának empirikus elemzése

Összefoglaló tanulmány a mezei nyúl gazdálkodás aktuális helyzetéről és a szükséges fejlesztésről

A munka jövedelemből való részesedése Magyarországon*

A választási rendszer reformja

Átírás:

Tényleg csak létszám kérdése a vadkár?! 1994 óta a vadgazdálkodást terhelő mezőgazdasági vadkár (továbbiakban: vadkár) mértéke folyamatosan nő. Míg 1994-ben 389114 eft, addig 2002-ben már 1618354 eft volt, ez nominál értéken 415,9 %-os növekedést jelent, ami mögött többnyire a vadlétszám (elsősorban a gímszarvas) növekedését, mint okot feltételezik. Valóban ez az elsődleges ok? Valóban csökken a vadkár a létszám csökkentésével? Nézzük meg, hogy van-e egyáltalán valamilyen kapcsolat a vadlétszám és a vadkár között! Vizsgálatainkat (amit az FVM Vadászati és Halászati Főosztály támogat) öt, a vadkárral legjelentősebben érintett megyékre -ez sorrendben: Somogy, Zala, Baranya, Veszprém, Vas-, valamint országosan összesített szinten készítettük el. A megyék közötti sorrendet a vizsgált időszak (1994-2002) évenkénti értékeit alapul véve állapítottuk meg. Az öt megye a vadkár országosan összesített értékéből, évente átlagosan 78,5 %-al részesedik. Alapvetően két adatbázisból dolgoztunk. A vadgazdálkodással kapcsolatos adatokat az Országos Vadgazdálkodási Adattártól, az agráriumra vonatkozókat a Központi Statisztikai Hivataltól kértük (a gyors és segítőkész együttműködést ezúton is köszönjük). Az első ábrán a gímszarvas állomány és a mezőgazdasági vadkár alakulása látható, 1994-től 2002-ig. 1. ábra A gímszarvas létszáma és a mezőgazdasági vadkár alakulása országosan összesítve (1994-2002) 1 1 1 1994 1995 1996 1997 1998 1999 2000 2001 2002 Év mg.-i kár szarvas 85000 80000 75000 70000 65000 60000 55000 50000 45000 Létszám (egyed)

Valóban mindkét változó esetében (létszám, vadkár) növekvő trend figyelhető meg (1. ábra). Azonban az, hogy milyen kapcsolatban állnak egymással, van e valamilyen összefüggés közöttük, részletes elemzést igényel. A grafikonnal kapcsolatban egy dologra fontos odafigyelnünk, ez pedig a két metszéspont! Ami azt jelenti, hogy 1994 és 1995 között csökkenő létszám mellett nő, míg 1996 és 1997 között növekvő létszám mellett csökken a kár. Ez utóbbihoz szükséges megjegyezni, hogy ez az ugrásszerű létszámemelkedés (31,8%) nem valós, köztudottan a vadgazdálkodási egységek átrendeződéséből származtatható. De vajon mi lesz 2003-ban? Lesz következő metszéspont? A létszámot várhatóan csökkenteni fogják, hiszen jelenleg ez az uralkodó álláspont. Vajon csökkeni fog a vadkár is? Ha igen, akkor a létszámcsökkenéshez képest milyen arányban? A vizsgálat jelenlegi szakaszában regresszióanalízissel és korrelációanalízissel elemeztük az adatokat. A regresszióanalízissel azt tudhatjuk meg, hogy a vizsgált két változó (pl. létszám-vadkár) közül az egyik változásával a másik milyen irányban és mennyit változik. A korrelációszámítás, pedig arra a kérdésre felel, hogy a két változó között milyen irányú és milyen szorosságú kapcsolat van. A kapcsolat erősségét a Pearson-féle korrelációs együtthatóval (r) mérhetjük. Értéke -1 és +1 között változhat. Nulla érték esetén a két változó között nincs kapcsolat, míg -1 és +1 a teljes meghatározottságot jelenti. A korrelációs együttható négyzete (r 2 ) a determinációs együttható, melynek értéke minél jobban közelít az egyhez, annál szorosabb a kapcsolat a változók között. Tehát a következőkben vizsgált kapcsolatoknál, jól figyeljünk az r 2 értékeire, mert ez alapján dönthető el, hogy mely tényezővel áll legszorosabb viszonyban a vadkár! A teljesség igénye nélkül a statisztikában jártas olvasók számáramegjegyeznénk még azt, hogy mindegyik vizsgált esetben az eredmény szignifikáns. Minderre a kis statisztikai kitérőre azért van szükség, mert ezek ismerete nélkül nem érthető meg teljes mértékben a vizsgálatok eredménye.

A 2. ábrán három csoport körvonalazódik. Ezek: 1994-95-96; 1997-98-99; valamint a 2000-01-02 évek adatai. Nevezzük őket sorrendben 1-es, 2-es, 3-as csoportnak. Az 1-est a 2-sel összevetve jól látszik, hogy a jelentős létszámbeli különbség ellenére a vadkár értéke nagyon hasonló. Tehát egy lényegesen nagyobb szarvaslétszám is csak közel akkora mértékű vadkárt produkált (feltételeztük, hogy a vadkár fő okozója a szarvas), mint a 20-25 ezer egyeddel kisebb állomány. Ebben az időszakban (1994-99) az állomány növekedése és a vadkár között, csak nagyon gyenge (r 2 =0,2234) összefüggés van. Amennyiben pedig a 2-est a 3-as csoporthoz viszonyítjuk, látható, hogy a kismértékű létszámnövekedés egy nagy vadkárérték emelkedéssel párosul. Az r 2 alapján a két változó között, az 1994-2002-es intervallumban, egy közepes erős kapcsolat látható. 2. ábra A gímszarvas létszáma és a mezőgazdasági vadkár közötti összefüggés az öt megye összesített adatai alapján (1994-2002) 1 2002 2000 2001 1996 y = 38,278x - 709528 R 2 = 0,7074 1997 1998 1999 1995 1994 25000 30000 35000 40000 45000 50000 Becsült létszám (egyed) mg.-i kár regressziós egyenes

Mi történik akkor, ha adott év vadkárának nagysága befolyásolja a vadgazdálkodót a következő évi létszámbecslésénél? Lehetséges ez? Igen, hiszen gondolkodhatunk így is: ha sok a vadkár, akkor biztos több a vad, ezért többet írunk a becsléskor. Amennyiben ez igaz, akkor az adatok ily módon történő összevetése alapján -elcsúsztatva egy évvel- ez kimutatható (3. ábra). Vagyis a kapcsolatnak szorosabbnak kell lennie, tehát az r 2 értéke nagyobb lesz a 2. ábrán láthatótól. (A 2. ábrán az r 2 =0,7074) 3. ábra A gímszarvas létszáma és a mezőgazdasági vadkár közötti kapcsolat, az évenkénti létszám az előző évi kárral párosítva az öt megye adatai alapján (1994-2002) y = 37,813x - 806173 R 2 = 0,8172 0 25000 30000 35000 40000 45000 50000 Becsült létszám (egyed) mg.-i kár regressziós egyenes A 3. ábrán a 95-ös létszámot a 94-es vadkárral, a 96-ost a 95-el, tehát az adott év létszámát az előző évi vadkárral, és így tovább párosítottuk. Az összefüggés egyértelműen erősebb (r 2 =0,817) lett. Hogy is van ez? Egészen egyszerűen arról van szó, hogy a tavaszi létszámbecsléseket befolyásolja az előző év vadkárának mértéke! Akkor most tulajdonképpen melyik függ melyiktől? A vadkár a létszámtól, avagy a létszám a vadkártól? Ezen nem árt elgondolkodni, amikor azt mondjuk sok a vadkár, sok a szarvas!

Nyilvánvaló, hogy nem egyedül a szarvas a károkozó vadfaj. A vaddisznó valószínűleg jelentősebb szerepet játszik a kár alakulásában. Jóllehet a szarvasnál észlelt csoportosulás itt is megfigyelhető, azonban nem olyan kifejezett. Továbbá a vaddisznó létszáma és a vadkár között kimondottan erős, pozitív kapcsolat van (az r 2 már 0,8127). A vizsgált öt megye adatai alapján (4. ábra), létszáma folyamatosan nőtt. Ugyanezt a szarvasról nem lehet elmondani. 4. ábra A vaddisznó létszáma és a mezőgazdasági vadkár közötti összefüggés az öt megye összesített adatai alapján (1994-2002) 1 2000 2002 1994 1995 1996 y = 39,869x - 325385 R 2 = 0,8127 15000 20000 25000 30000 35000 40000 Becsült létszám (egyed) mg.-i kár 1997 1998 1999 regressziós egyenes 2001 A létszám-vadkár összevetésének eredményeképpen azt mondhatjuk, hogy a kár alakulását nagyobb mértékben határozhatja meg a vaddisznó-, mint a szarvasállomány nagysága! Nem véletlen, hogy a mezőgazdasági területeken először a vaddisznó megtelepedésével kell számolnunk!

Most, hogy megnéztük milyen kapcsolat van a létszám és a vadkár között, lépjünk tovább. Vannak esetleg más tényezők is, amelyek szintén befolyásolhatják a kár alakulását? Ha van, akkor melyek lehetnek ezek? Az 5. és 6. ábrán a kár alakulását, a kukorica- és a napraforgó felvásárlási árának függvényében vizsgáltuk. Teljesen nyilvánvaló, hogy minél drágább az a termény, amelyet károsítanak, annál több lesz a kifizetendő vadkár. Ez alapján, pedig egyértelmű, hogy amennyiben növekedik a kár, az nem feltétlen a károsított terület nagyságának változásából adódik. Tehát nem biztos, hogy az effektív kár növekszik, csupán a pénzben kifejezett értéke lesz több. 5. ábra A mezőgazdasági vadkár és a kukorica felvásárlási átlagára közötti összefüggés az öt megye összesített adatai alapján (1994-2002) 1 2002 1998 1997 1999 2001 1996 y = 65,253x - 372414 R 2 = 0,7373 2000 1995 1994 10000 12000 14000 16000 18000 20000 22000 24000 26000 Felvásárlási átlagár (Ft/t) mg.-i kár regressziós egyenes

6. ábra A mezőgazdasági vadkár és a napraforgó felvásárlási átlagárának összefüggése az öt megye összesített adatai alapján (1994-2002) 1 2002 2000 2001 1996 1999 1997 1998 y = 21,506x - 238659 R 2 = 0,7371 1994 1995 20000 25000 30000 35000 40000 45000 50000 55000 60000 65000 70000 Felvásárlási átlagár (Ft/t) mg.-i kár regressziós egyenes A fenti két ábrán jól látható, hogy a feltételezésünk igaz. Közepesen erős a kapcsolat a felvásárlási ár és a vadkár között. Az, hogy ez mit jelent a vadgazdálkodó számára a gyakorlatban, bizonyára már sokan tudják. Ennek ellenére visszatérünk még rá az összefoglalásban. Előtte azonban vegyünk számításba még egy lehetséges tényezőt. Ez pedig az egyes növények vetésterülete 7. ábra A kukorica vetésterülete és a mezőgazdasági vadkár közötti összefügés Somogy-Zala-Baranya összesítése alapján (1994-2002) 1995 1997 1998 1996 y = 10,26x - 2E+06 R 2 = 0,8284 1999 2000 2002 2001 1994 0 180000 190000 210000 220000 230000 240000 250000 Vetésterület (ha) mg.-i kár regressziós egyenes

Kiemelten első helyen áll a kukorica (7. ábra, itt sajnos csak Somogyról, Zaláról, és Baranyáról állt rendelkezésünkre adat, ami nem csökkenti az eredmény jelentőségét, hiszen ez a három legvadkárosabb megye). Ez egy kimondottan erős kapcsolat, tehát ahogy növekszik a kukorica vetésterülete, majdnem ugyanúgy növekszik a kár is. Ábrák nélkül is mindenki számára belátható, hogy nem mindegy, hogy egy vadászterület mezőgazdasági részei hogyan illeszkednek az erdőkhöz, nagy kiterjedésű bozótosokhoz, nádasokhoz. Továbbá ezeken a részeken milyen növényeket termesztenek. Korábbi vizsgálatok alapján azt találták, hogy nem meglepő módon- a legveszélyeztetettebb zóna az erdő 1 km-es körzete. Ebből következik, hogy a vad által kedvelt növények vetésterületének elhelyezkedése egyáltalán nem elhanyagolható szempont. Gondolatmenetünket továbbfűzve vegyünk egy egyszerű példát: egy 100 ha-s kukoricatáblában, első évben keletkezik 10% kár. 4,5 t/ha átlagterméssel számolva, 10 ha termény értékét kell megtérítenünk a gazdának. Az átlagtermés szorozva a területtel és a felvásárlási árral (pl. 10765 Ft/t) adja a pénzben kifejezett számot (az 5%-os kártűrést most mellőzzük). Ez most 484425 Ft. Két év múlva a mezőgazda más fajta kukoricát termeszt, esetleg ugyanolyat, csak jobb feltételekkel. Így javul az elérhető átlagtermés, mondjuk 5,3 t/ha lesz. A táblaméret marad 100 ha, az ár 10765 Ft/t, a kár továbbra is 10%. Számoljunk! 10 ha terményt kell kifizetnünk újra, viszont ez most 570545 Ft. Nőtt a vadkár? Igen, de miért? Hiszen a vadjaink ugyanannyit károsítottak. Akkor mi változott? Csupán nőtt a növény produkciója, vagyis az átlagtermés. Emiatt viszont 17,7%- al többet kell fizetnünk. Most vegyük számításba azt, hogy közben a kukorica felvásárlási ára sem maradt változatlan. Mivel az induló érték az 1994-es felvásárlási átlagár, ezért a két évvel későbbi esetben vegyük az 1996-os árat. Ez akkor 19877 Ft/t volt. Megint csak számoljunk! 100ha terület, 10%-os kár, 5,3 t/ha átlagtermés. Ebben az esetben 1.053.481 Ft-ot kell fizetnünk. Megint feltesszük a kérdést, mi változott? 117,47%-al nőtt a 94-es vadkárunk! Miért? Nem a létszám miatt, hiszen azt állandónak vettük azzal, hogy a kárt 10%-ban rögzítettük. Ebből következően az effektív károsítás nem változott. Sokan tudják már (és tudták korábban is), hogy ennyire képes befolyásolni a felvásárlási (értékesítési) ár a mezőgazdasági vadkár mértékét.

Foglaljuk össze röviden, hogy milyen eredmények születtek: Tulajdonképpen melyek azok a tényezők, amelyek a mezőgazdasági vadkárt leginkább befolyásolják? A vizsgálat alapján, a legerősebb kapcsolattal kezdve: A veszélyeztetett termények vetésterületének nagysága; A három megye adataiból, a kukorica vetésterülete (r 2 = 0,8284). Annak a vadfajnak a létszáma, amely a kárt okozza; Az öt megye adataiból, a vaddisznó létszáma (r 2 = 0,8127). Azon növény ára, amiben a kár keletkezik (Ft/t); Az öt megye adataiból, a kukorica ára. (r 2 = 0,7373). A károsított növény produkciója (t/ha); A vetésterület elhelyezkedése; Mindezek ismeretében mi az a kezelési módszer, amivel eredményt érhetünk el? Ahhoz, hogy a tényezők között egyértelmű rangsort -a fentebb kialakított sorrend, az eddig talált kapcsolatok erősségét mutatja-, alakíthassunk ki, ezáltal célzott intézkedéseket tehessünk a probléma megoldására, az adatok további értékelése szükséges. Annyit azonban már most kijelenthetünk, hogy a vadkár alakulásáért felelős legfontosabb tényezők közül az elsők között, nem a gímszarvas létszáma áll! Tehát a kár csökkentésének leghatékonyabb módja valószínűleg nem a gímszarvas létszámának apasztása! Biztosak vagyunk benne, hogy a vadgazdálkodók többsége is már régóta tudja, hogy a kárért elsősorban a vaddisznó a felelős. Ebben az esetben talán indokolt, és célravezető a létszám csökkentésén keresztül megoldást keresnünk. A felvásárlási árakra a vadgazdálkodónak semmilyen befolyása nincs, tehát a problémát erről az oldalról egyelőre nem tudjuk kezelni. A vetésterületek nagyságát megint csak nem tudjuk tetszés szerint alakítani, legalábbis jelentősen nem. Talán a vetésterület elhelyezkedésének alakításán keresztül lehet némi eredményt elérni. Leghatékonyabban azonban a megfelelő élőhelyfejlesztéssel javíthatunk a helyzeten. Vegyük a fáradtságot, és tegyük meg!

Összességében elmondható, hogy a vadkár probléma egy bonyolult és összetett rendszer, amit kezelni kell. Ez nem is lehet kérdés. Viszont az, hogy ezt egyszerűen bűnbakot (vagy bűnbikát ) keresve, megpróbáljuk rávarrni a szarvasra, az nem fog eredményre vezetni. Ugyanakkor az állomány csökkentése, hosszabb távon a vadászati lehetőségeket is szűkíteni fogja. Ez pedig a bevételek csökkenéséhez vezet. Érdemes tehát elgondolkodni azon, hogy mi a célunk. Megszüntetni a vadkárt (amit nem lehet addig, amíg egyetlen vad él a területen), vagy megkeresni azt az egyensúlyi pontot, ahol tartamos gazdálkodással, működtethető a rendszer. Szemethy László - Bleier Norbert Szent István Egyetem, Vadbiológiai és Vadgazdálkodási Tanszék