Latvijas Lauksaimniecības universitāte Meža fakultāte. Latvia University of Agriculture Faculty of Forestry

Transcription

1 Latvijas Lauksaimniecības universitāte Meža fakultāte Latvia University of Agriculture Faculty of Forestry Mg.silv. JĀNIS KRŪMIŅŠ LATVIJAS KOKRŪPNIECĪBAS ATTĪSTĪBAS PROGNOZĒŠANAS MODELIS FORECASTING MODEL OF LATVIAN WOOD PROCESSING INDUSTRY Promocijas darba KOPSAVILKUMS Dr.silv. zinātniskā grāda iegūšanai SUMMARY of the Doctoral thesis for acquiring the Doctor s degree of Forest sciences. Vienošanās Nr. 2009/0180/1DP/ /09/IPIA/VIAA/017 Jelgava

2 Promocijas darba zinātniskais vadītājs / Academical supervisor: Dr.sc.ing., prof.(emeritus) Alfons Grīnfelds, LLU / LUA Promocijas darbs izstrādāts Latvijas Lauksaimniecības universitātes Meža fakultātes Meža izmantošanas katedrā. Pētījumi veikti laika posmā no līdz gadam. / The research has been carried out at the department of Forest Utilization of the Latvia University of Agriculture, Forest Faculty. The studies were performed during the time period between 2010 and Oficiālie recenzenti / Official rewievers: Dr.sc.ing. Uldis Spulle - Latvijas Lauksaimniecības universitātes Meža fakultātes Kokapstrādes katedras vadītājs, profesors, LZP eksperts / Professor of Latvia University of Agriculture, Head of Department of Wood Processing, Expert of the Latvian Council of Science; Dr. habil. oec. Baiba Rivža - Latvijas Zinātņu akadēmijas akadēmiķe, Latvijas Lauksaimniecības universitātes Ekonomikas un reģionālās attīstības institūta profesore, LZP eksperte / Academician of Latvian Academy of Sciences, Professor of Latvia University of Agriculture, Expert of the Latvian Council of Science; Dr.habil.sc.ing. Jurijs Merkurjevs - Rīgas Tehniskā universitātes Datorzinātnes un informācijas tehnoloģijas fakultātes Modelēšanas un imitācijas katedras vadītājs, profesors, LZP eksperts / Professor of Riga Technical University, Head of Department of Modelling and Simulation, Expert of the Latvian Council of Science; Dr. Paavo Kaimre - Igaunijas Lauku universitātes Mežsaimniecības un lauku inženieru institūta Meža apsaimniekošanas katedras asociētais profesors / Asoc. professor of Estonian University of Life Sciences, Institute of Forestry and Rural Engineering, Department of Forest Management. Promocijas darba aizstāvēšana notiks LLU Mežzinātņu nozares un Materiālzinātņu nozares Koksnes materiālu un tehnoloģijas apakšnozares promocijas padomes atklātajā sēdē gada 21. augustā plkst. 11:30 LLU Kokapstrādes katedrā, Jelgavā, Dobeles ielā 41. / The Doctoral thesis will be presented for public criticism in an open session of the Promotion Council of Forest Sciences and Material Sciences (sub-branch of Wooden Materials and Technologies) of LUA held on August 21, 2014 at 11:30 a.m. in Jelgava, Dobeles street 41. Ar promocijas darbu un kopsavilkumu var iepazīties LLU Fundamentālajā bibliotēkā / The thesis are available at the Fundamental Library of LUA: Lielā iela 2, Jelgava, vai/ or: Atsauksmes sūtīt promocijas padomes sekretārei Dr.silv. I. Jankovskai / References are welcome to be sent to Dr.silv. I. Jankovska, the Secretary of the Promotion Council: Akadēmijas iela 11, Jelgava, LV-3001, Latvija, vai / or: ilze.jankovska@llu.lv. Promocijas darbs izstrādāts ar ESF projekta Atbalsts LLU doktora studiju īstenošanai atbalstu. / The research has been carried out with the support of ESF Project The support for implementation of LUA doctoral studies Vienošanās Nr. / Contract No. Nr. 2009/0180/1DP/ /09/IPIA/VIAA/017. 2

3 SATURS ZINĀTNISKĀ DARBA APROBĀCIJA 5 DARBA AKTUALITĀTE 7 PĒTĪJUMA MĒRĶIS, UZDEVUMI UN HIPOTĒZE 7 ZINĀTNISKĀ NOVITĀTE 8 DARBA PRAKTISKĀ NOZĪMĪBA 8 PROMOCIJAS DARBA STRUKTŪRA UN APJOMS 8 1. DAŽĀDU KOKRŪPNIECĪBAS PROGNOZĒŠANAS METOŽU UN MODEĻU NOVĒRTĒJUMS Priekšnosacījumi mūsdienās Eiropā izmantoto meža nozares prognozēšanas modeļu attīstībai Ekonometrisko meža nozares modeļu izvērtējums Pēdējās desmitgades pētījumu sintēze un to izmantošanas nākotnes perspektīvas Latvijā izstrādātie ar meža nozari un kokrūpniecību saistītie prognozēšanas modeļi IZMANTOTĀS METODES UN MATERIĀLS Latvijas kokrūpniecības prognozēšanas modeļa izstrādes metodika Procesu modeļa detalizēta uzbūve Nozari ietekmējošo indikatoru atlase un savstarpējās mijiedarbības analīze Latvijas kokrūpniecības attīstības prognozēšanas modeļa datu apstrādes programmas prototipa izveide Koksnes resursu pieejamības un patēriņa analīzes moduļa izstrāde PĒTĪJUMA REZULTĀTI Latvijas kokrūpniecību ietekmējošo indikatoru savstarpējo sakarību analīze Kokrūpniecības attīstības prognozēšanas modeļa datu apstrādes programmas prototips Simulācijas modeļa pārbaude Koksnes resursu pieejamības un patēriņa analīze 23 SECINĀJUMI UN PRIEKŠLIKUMI 29 3

4 TABLE OF CONTENT TOPICALITY OF THE RESEARCH 31 THE OBJECTIVE OF THE THESIS, TASKS AND HYPOTHESIS 31 SCIENTIFIC NOVELTY 32 PRACTICAL SIGNIFICANCE OF THE RESEARCH 32 STRUCTURE AND VOLUME OF THE DOCTORAL THESIS EVALUATION OF DIFFERENT FORECASTING METHODS AND MODELS IN WOOD PROCESSING Prerequisites for the development of forest sector forecasting models used in Europe nowadays Evaluation of forest sector econometric models The synthesis of the research performed in the last decade and future application perspectives Forest sector and wood processing sector forecasting models developed in Latvia APPLIED METHODS AND MATERIAL Elaboration methodology of forecasting model of wood processing in Latvia Detailed structure of the process model Selection of indicators having impact on the sector and the analysis of correlation Elaboration of the prototype of forecasting model of Latvian wood processing industry Elaboration of the analysis model of timber stocks availability and consumption RESULTS AND DISCUSSION Interrelation analysis of influential indicators of wood processing industry of Latvia Data processing program prototype of wood processing industry development forecasting model Verification of simulation model Analysis of wood resource availability and consumption 49 CONCLUSIONS AND RECOMMENDATIONS 54 4

5 ZINĀTNISKĀ DARBA APROBĀCIJA Pētījuma rezultāti apkopoti 6 publikācijās, kuras ir ievietotas starptautiskos un vietējos zinātniskajos rakstu krājumos. Pētījuma rezultāti prezentēti 7 starptautiskās zinātniskajās un vietējas nozīmes konferencēs, kā arī aprobēti Valsts pētījumu programmas izpētes projektos. Publikācijas par darba tēmu vispāratzītajos recenzējamos zinātniskajos izdevumos 1. Krūmiņš J., Daģis S., Šmits I., Dubrovskis D. (2011) Sustainable supply of timber resources for wood processing industry in Latvia. In: Proceedings of 5th International Scientific Conference "Rural Development in Global Changes", Aleksandras Stulginskis University, Kaunas, Lithuania, pp ISSN (EBSCO). 2. Krūmiņš J., Daģis S., Šmits I., Dubrovskis D. (2011) Use of timber resources for development of wood processing industry. In: Proceedings of 17th Annual International Scientific Conference "Research for Rural Development 2011", Volume No 2, Latvia University of Agriculture, Jelgava, Latvia, p ISSN (SCOPUS). 3. Krūmiņš J., Daģis S., Šmits I., Dubrovskis D. (2012) Monitoring Results of Round Wood Utilization and Wood Processing Sustainability in Latvia. In: Proceedings of 18th Annual International Scientific Conference "Research for Rural Development 2012", Volume No 2, Latvia University of Agriculture, Jelgava, Latvia, p ISSN (SCOPUS). 4. Krumins J., Dagis S., Smits I., Dubrovskis D., Arhipova I. (2013) Linear Regression Analysis of Indicies Describing Latvian Wood Processing Industry. In: Proceedings of 19th Annual International Scientific Conference "Research for Rural Development 2013", Latvia University of Agriculture, Jelgava, Latvia, ISSN (AGRIS). Pārējās publikācijas par promocijas darbu 1. Krumins J., Dagis S., Smits I., Dubrovskis D. (2013) Forecasting Model of Latvian Wood Processing Industry, In: Proceedings of 5th International Conference on Experiments/ Process/ System Modeling/ Simulation/ Optimization, Volume No 1, The Learning Foundation in Mechatronics, Athens, Greece. p ISBN: Krūmiņš J., Dubrovskis D., Priedkalns G., Šmits I., Daģis S. (2013) Koksnes pirmapstrādes uzņēmumu monitorings un nodrošinājums ar koksnes resursiem. Rakstu krājums: Vietējo resursu (zemes dzīļu, meža, pārtikas un transporta) ilgtspējīga izmantošana jauni produkti un tehnoloģijas (NatRes), Latvijas Valsts koksnes ķīmijas institūts, Rīga, Latvija, ISBN

6 Piedalīšanās starptautiskajās konferencēs 1. Krumins J., Dagis S., Smits I., Dubrovskis D. Use of timber resources for development of wood processing industry. 17th Annual International Scientific Conference "Research for Rural Development 2011", Latvia University of Agriculture, Jelgava, Latvia, May Krumins J., Dagis S., Smits I., Dubrovskis D. Sustainable supply of timber resources for wood processing industry in Latvia. 5th International Scientific Conference "Rural Development in Global Changes", Aleksandras Stulginskis University, Kaunas, Lithuania, November Krumins J., Dagis S., Smits I., Dubrovskis D. Monitoring Results of Round Wood Utilization and Wood Processing Sustainability in Latvia. 18th Annual International Scientific Conference "Research for Rural Development 2012", Latvia University of Agriculture, Jelgava, Latvia, May Krumins J., Dagis S., Smits I., Dubrovskis D., Arhipova I. Linear Regression Analysis of Indicies Describing Latvian Wood Processing Industry. 19th Annual International Scientific Conference "Research for Rural Development 2013", Latvia University of Agriculture, Jelgava, Latvia, May Krumins J., Dagis S., Smits I., Dubrovskis D. Forecasting Model of Latvian Wood Processing Industry. 5th International Conference on Experiments/ Process/ System Modeling/ Simulation/ Optimization, The Learning Foundation in Mechatronics, Athens, Greece, July Krūmiņš J., Daģis S., Šmits I., Dubrovskis D., Vanaga L. Latvijas apaļo kokmateriālu izmantošanas monitoringa rezultāti. Zinātniski praktiskā konference Mežzinātne un prakse nozares attīstībai, LLU Meža fakultāte, Jelgava, 2012.gada marts. 7. Krūmiņš J., Liše S. Latvijas koka taras ražošanas sektora izpēte. Zinātniski praktiskā konference Mežzinātne un prakse nozares attīstībai, LLU Meža fakultāte, Jelgava, gada marts. Piedalīšanās vietējas nozīmes konferencēs 1. Krūmiņš J., Daģis S., Šmits I., Dubrovskis D., Vanaga L. Latvijas apaļo kokmateriālu izmantošanas monitoringa rezultāti. Zinātniski praktiskā konference Mežzinātne un prakse nozares attīstībai, LLU Meža fakultāte, Jelgava, 2012.gada marts. 2. Krūmiņš J., Liše S. Latvijas koka taras ražošanas sektora izpēte. Zinātniski praktiskā konference Mežzinātne un prakse nozares attīstībai, LLU Meža fakultāte, Jelgava, gada marts. Dalība projektos, kas saistīti ar promocijas darba tēmu 1. Latvijas Lauksaimniecības universitāte (2009), Valsts pētījumu programmas Lapu koku audzēšanas un racionālās izmantošanas pamatojums, jauni produkti un tehnoloģijas 4. projekts Lapu koku produktu un tehnoloģiju ekonomiskais novērtējums, LR Izglītības un zinātnes ministrija, Latvijas Lauksaimniecības universitātes Meža fakultāte, pētnieks. 2. Latvijas Lauksaimniecības universitāte ( ), Valsts pētījumu programmas projekts Jauni produkti un inovatīvas meža apsaimniekošanas, meža koksnes un nekoksnes produktu ražošanas tehnoloģijas, racionāli izmantojot meža resursus un būtiski palielinot produkcijas pievienoto vērtību, LR Izglītības un zinātnes ministrija, Latvijas Lauksaimniecības universitātes Meža fakultāte, pētnieks. 6

7 DARBA AKTUALITĀTE Meža resursiem Latvijā ir svarīga ekonomiskā, sociālā un ekoloģiskā nozīme. Mežs aizņem 54% no valsts teritorijas un koksnes resursu apjoms valstī ir stabili augošs. Latvijā gadā kopējā augošo koku koksnes krāja ir sasniegusi 631 milj. m 3 un, salīdzinot ar gadu, tā ir palielinājusies 3.6 reizes. Pēdējā desmitgadē Latvijā vidēji izcirsti miljoni kubikmetru koksnes gadā, no kuriem aptuveni puse iegūta privāto meža īpašnieku mežos, bet otra puse valsts un pašvaldību mežos. Meža nozare ietver divas nozīmīgas apakšnozares mežsaimniecību un kokrūpniecību, kas savā starpā ir cieši saistītas, jo galvenais mežsaimnieciskās ražošanas gala produkts apaļie kokmateriāli ir izejmateriāls kokrūpniecībai. Kokrūpniecības īpatsvars Latvijas iekšzemes kopproduktā gadā svārstījies robežās no 2.5 līdz 3.0% un gadā veidoja 21.5% no apstrādes rūpniecībā saražotās produkcijas apjoma. Tā ir arī viena no nozarēm, kas eksportē lielāko daļu savas produkcijas (2012. gadā 73.2% no nozares izlaides tika eksportēta), un kopumā gadā veidoja 15.1% no visa Latvijas preču eksporta. Latvijas Republikā kopš neatkarības atjaunošanas nepārtraukti tiek palielinātas kokrūpniecības uzņēmumu tehnoloģiskās iespējas un ražošanas jaudas. Šī iemesla dēļ aizvien aktuālāks kļūst jautājums par pieejamajiem koksnes resursiem un to ilgtspējīgu izmantošanu tādā līmenī, kas nodrošinās meža nozares ilgtspējību. Kā ilgtspējīgas meža apsaimniekošanas lēmumu pieņemšanas atbalsta sistēma (LPAS) valstiskā līmenī pašreiz tiek izmantota datorprogramma MESTRA, kura koncentrējas uz mežsaimniecības sektoru un kuras galvenie uzdevumi ir ikgadējo ciršanas apjomu aprēķināšana, meža vērtības noteikšana, mežsaimniecības darbības ietekmes uz vidi novērtēšana, normatīvo aktu ietekmes uz resursu stāvokli novērtēšana, nodarbinātības attīstības prognozēšana un SEG emisiju aprēķināšana. Tomēr līdz šim nav izstrādāts komplekss lēmumu pieņemšanas atbalsta rīks Latvijas kokrūpniecības sektorā stratēģiskā līmenī pieņemto lēmumu izpildes potenciālo scenāriju izvērtēšanai atkarībā no dažādu ietekmes indikatoru varbūtējām izmaiņām. PĒTĪJUMA MĒRĶIS, UZDEVUMI UN HIPOTĒZE Promocijas darba mērķis ir izstrādāt dinamisku Latvijas kokrūpniecības attīstības prognozēšanas modeli, kas balstīts uz meža nozari raksturojošo laika rindu analīzes datiem un meža nozarē pastāvošo procesu izpēti. Mērķa sasniegšanai izvirzīti šādi darba pētnieciskie uzdevumi: 1. izpētīt dažādas prognozēšanas metožu lietošanas iespējas kokrūpniecības nozarē un izvēlēties Latvijas apstākļiem piemērotāko; 2. modelēt Latvijas koksnes resursu izmantošanu un pārstrādi ietekmējošos procesus un to saistības; 3. noteikt Latvijas kokrūpniecību ietekmējošos indikatorus, to dinamiku un savstarpējo mijiedarbību; 4. izveidot un pārbaudīt Latvijas kokrūpniecības attīstības prognozēšanas modeļa datu apstrādes programmas prototipu; 5. izstrādāt un aprobēt koksnes resursu pieejamības un patēriņa analīzes moduli. Promocijas darbā ir izvirzīta hipotēze, ka dažādus Latvijas kokrūpniecības attīstības scenārijus ir iespējams modelēt, izmantojot nozari ietekmējošo indikatoru, to dinamikas un savstarpējās mijiedarbības analīzi kombinācijā ar nozarē pastāvošo procesu izpēti. 7

8 ZINĀTNISKĀ NOVITĀTE Promocijas darbā ietverto pētījumu zinātnisko novitāti veido apkopotās zinātniskās atziņas, kas sniedz novērtējumu par dažādu prognozēšanas metožu lietošanas iespējām kokrūpniecības nozares prognozēšanai un analizētās Latvijas kokrūpniecību ietekmējošo indikatoru dinamiku rindu savstarpējās sakarības. DARBA PRAKTISKĀ NOZĪMĪBA Promocijas darbā ietverto pētījumu praktisko nozīmīgumu veido izveidotais Latvijas kokrūpniecības attīstības prognozēšanas modeļa datu apstrādes programmas prototips. Pētījuma ietvaros izstrādāts un aprobēts koksnes resursu pieejamības un patēriņa analīzes modulis, kurš varētu tikt izmantots Latvijas meža nozares politikā definēto mērķu sasniegšanai, uzņemto starptautisko saistību izpildei, meža nozares stratēģijas izstrādei, kokrūpniecības attīstības prognozēšanai un normatīvo aktu pilnveidošanai. PROMOCIJAS DARBA STRUKTŪRA UN APJOMS Darba struktūra ir pakārtota atbilstoši izvirzītajiem pētnieciskajiem uzdevumiem. Darbā ir trīs nodaļas. Pirmajā nodaļā apskatīta meža nozares modeļu attīstības vēsture, citu valstu pētnieku līdz šim izstrādātie meža nozares un kokrūpniecības attīstības prognozēšanas modeļi. Nodaļas nobeigumā aplūkoti Latvijā pēdējā desmitgadē izstrādātie ar meža nozari un kokrūpniecību saistītie prognozēšanas modeļi. Otrajā nodaļā izklāstīta Latvijas kokrūpniecības prognozēšanas modeļa izstrādes teorētiskais pamatojums un metodika. Trešajā nodaļā atspoguļoti iegūtie pētījuma rezultāti. Trešās nodaļas sākumā analizētas Latvijas kokrūpniecību ietekmējošo indikatoru savstarpējās sakarības. Nodaļas galveno daļu veido kokrūpniecības attīstības prognozēšanas modeļa datu apstrādes programmas prototipa uzbūves un darbības principa apraksts. Nodaļas nobeigumā veikta Latvijas koksnes resursu pieejamības un patēriņa analīze, kas ietver arī ģeogrāfiskā izvietojuma novērtējumu. Promocijas darba apjoms ir 109 lappuses; informācija apkopota 10 tabulās un 34 attēlos, izmantoti 75 literatūras avoti. Darba noslēgumā formulēti 9 secinājumi. 1. DAŽĀDU KOKRŪPNIECĪBAS PROGNOZĒŠANAS METOŽU UN MODEĻU NOVĒRTĒJUMS 1.1. Priekšnosacījumi mūsdienās Eiropā izmantoto meža nozares prognozēšanas modeļu attīstībai Buongiorno gadā, pētot meža industriju un meža nozares produktu tirgu, atklāja pieaugošu interesi par ekonometrijas kvantitatīvajām metodēm, lineāro programmēšanu un sistēmu dinamiku meža nozares sektoru analīzē un prognozēšanā. Viņš arī minēja, ka visas šīs metodes, tās lietojot meža nozares tirgos, uzrādīja savas tipiskākās stiprās un vājās puses. Ekonometriskais modelis ir jutīgs pret tirgus strukturālām pārmaiņām un statistiskām problēmām parametru noteikšanā, piemēram, datu kvalitātes un kvantitātes dēļ. Plaši meža nozares modeļi, no otras puses, bieži vien ir ļoti komplicēti, kā rezultātā tie nav transparenti un tāpēc nav īpaši labāki par 8

9 ekonometriskiem modeļiem nozares strukturālo izmaiņu novērtēšanai. Neskatoties uz šiem trūkumiem, Buongiorno atbalstīja formālo modelēšanas pieeju, izklāstot pamata pieņēmumus un balstoties uz katras metodes iespējām Ekonometrisko meža nozares modeļu izvērtējums Ekonometriskie pētījumi par meža nozares modelēšanu metodoloģiski un tematiski koncentrēti piecos virzienos: 1. meža nozares produktu pieprasījuma un piedāvājuma modelēšana; 2. cenu analīze un tirgus integrācijas testēšana; 3. meža nozares tirgus pieprasījuma un cenu prognozēšana; 4. industrijas atrašanās vietu ietekmējošo faktoru analīze; 5. tehnoloģiskās attīstības un faktoru pieprasījuma izmaiņas. Lielākā daļa publicēto pētījumu ir koncentrēti Skandināvijas valstīs - Norvēģijā un Somijā, pārējie pētījumi galvenokārt ir par Zviedriju un Austriju. Meža nozares produktu pieprasījuma un piedāvājuma modelēšana Pētot tirdzniecības plūsmu struktūru meža nozares produktu tirgos starp Eiropas Savienību (ES) un Centrālās un Austrumeiropas piekļuves valstīm (CAEV), kuras šobrīd ir ES dalībvalstis, Kangass un Niskanens izmantoja īpatsvara aprēķināšanas pieeju. Viņu galvenais atklājums bija, ka, lai arī tirdzniecības apjoms starp Austrumeiropu un Rietumeiropu ievērojami palielinājās no līdz gadam, perioda beigās tas joprojām bija zem tā, kāds varēja būt sagaidāms, balstoties uz importētājas valsts IKP un attālumu starp eksportētāju un importētāju valstu galvaspilsētām, kas ir pamata izskaidrojošie mainīgie īpatsvara modeļos. Meža nozares produktu ar vēl lielāku pievienoto vērtību tirdzniecība bija īpaši neattīstīta zemā ražošanas un patēriņa līmeņa dēļ CAEV, un tāpēc tika sagaidīts tirdzniecības apjomu kāpums. Lielākā daļa ekonometrisko pētījumu par kokmateriālu tirdzniecību 70. un 80. gados pieņēma brīvā tirgus konkurences struktūru un nacionālo tirgu eksistenci. Mazāk ir jaunāku pētījumu, kas analizē nepilnīgu konkurenci, neskatoties uz pierādījumiem par absolūti brīva tirgus neesamību apaļo kokmateriālu starptautiskajā tirdzniecībā. Tāpēc, ņemot vērā mainīgo tirgus struktūru, joprojām jāveic plaši pētījumi par monopolu (monopsonu) varas pakāpi apaļo kokmateriālu tirgos. Tirgus integrācijas izpēte Saskaņā ar vienas cenas likumu (VCL) cenas sniedz visspēcīgāko un skaidrāk noteikto tirgus integrācijas pierādījumu. Tirgi tiek uzskatīti par integrētiem, kad tiek saglabāts VCL, kas nozīmē, ka cenas attīstās vienmērīgi neatkarīgi no produkta pārdevēja vai pircēja. Apaļo kokmateriālu cenu stohastiskās īpašības un savstarpējā attiecība starp reģionālajām kokmateriālu cenām ir pamats, lai izprastu tirgus apjomus un to, kā tirgu triecieni un ekonomikas politikas tiek attiecinātas uz kokmateriālu tirgiem. Tik pat svarīga modelēšanas pieejas izvēlē, analizējot tirgus pieprasījumu un piedāvājumu, ir apaļo kokmateriālu reģionālo cenu attīstība, kas balstīta uz tirgus savstarpējās atkarības izvērtēšanas un ticamas statistiskās informācijas. Kopš 90. gadu beigām īpaši Skandināvijā veikti pētījumi par reģionālo kokmateriālu tirgu integrāciju, kur galvenokārt tika izmantota Johansena līdzintegrācijas metode, lai analizētu kokmateriālu cenu attiecības. Modelējot importa pieprasījumu un piegādātāju aizstāšanu zāģmateriālu tirdzniecībā ar Vāciju atklājās, ka vienas cenas likums tirgū neeksistē. 9

10 Kopš 20. gadsimta beigām Eiropā ir attīstījušies enerģētiskās koksnes tirgi, bet ekonometriskie pētījumi par enerģētiskās koksnes pieprasījumu un piedāvājumu, kā arī ietekmi uz saistītajiem meža nozares tirgiem veikti būtībā tikai vienā valstī - Zviedrijā, kas ir viena no līderēm biodegvielas izmantošanā. Pētījuma rezultāti liecināja, ka biodegvielas cenas elastība Zviedrijā ir tuva nullei, t.i., ne tirgus piedāvājums, ne pieprasījums nav jutīgs pret cenu izmaiņām, un biodegvielas koksne un papīra malka, kas tiek izmantota celulozes ražošanā, papildina viena otru. Tādējādi, augstāka papīrmalkas cena palielina gan papīrmalkas piedāvājumu, gan koksnes atlikumu piedāvājumu izmantošanai bioenerģijas ražošanā. Meža nozares tirgus un cenu prognozēšana Hanninens min pieaugošo interesi par īstermiņa ekonomikas prognozēšanu un nepieciešamību izmantot jaunas prognozēšanas metodes un datu kopas meža nozares tirgos. Brannlunds un kolēģi meža nozares produktu tirgos pielietoja jaunu daudzvariāciju metodoloģiju papīra cenām, balstoties uz tā saukto maksimuma autokorelācijas faktoru un kopējo dinamiku starp citām ekonomiku raksturojošām laika rindām Zviedrijā. Pamatideja ir sadalīt prognozēšanas informāciju laika rindās svarīgā un nesvarīgā informācijā, un pēdējais tiek atmests. Industrijas atrašanās vietas modelēšana Vairumā pētījumu, kas analizē celulozes un papīra fabriku atrašanās vietu determinantus, izmantojot atrašanās vietu teoriju un daudz-dimensiju datus, secināts, ka relatīvās izejvielu cenas maz ietekmē vai nemaz neietekmē lēmumu par investīcijām celulozes un papīra industrijā, lai gan darba izmaksas un enerģijas cenas var spēlēt zināmu lomu. Tomēr makulatūras otrreizējās izmantošanas koeficients un koksnes izejvielu pieejamība pozitīvi ietekmē lēmumu par jaunas ražotnes būvniecību. Faktoru pieprasījums, aizstāšana un tehnoloģiskās izmaiņas Tehnoloģiskās izmaiņas ir viens no ekonomikas izaugsmes virzītājspēkiem, kas ir attiecināms arī uz meža nozari. Ekonomiskajā literatūrā par tehnoloģijas izmaiņām celulozes un papīra industrijā Ziemeļamerikā tiek izmantots vienkāršs laika rindu modelis. Andrade izmantoja daudzdimensiju datus ar 13 šķērsgriezuma nodaļām par 13 ES valstīm laika periodā no līdz 1995.gadam. Viņš atklāja vāju aizstāšanas iespējamību starp darbaspēku un kapitālu, kapitālu un kokmateriāliem, kā arī papildinātību starp kapitālu un kokmateriāliem. Andrate prognozēja, ka arī turpmāk tehnoloģiskās izmaiņas būs darbaspēku ekonomējošas Pēdējās desmitgades pētījumu sintēze un to izmantošanas nākotnes perspektīvas Informācija par tirgus struktūru un konkurenci, kuru sniedz jaunās laika rindu ekonometriskās metodes, no praktiskā un politikas redzes viedokļa, iespējams, ir ekonometrisko pētījumu par meža nozares attīstību noderīgākā rezultātu daļa. Nozares attīstības analīzei izmantoti skaitliski plaša mēroga līdzsvara modeļi par apaļo kokmateriālu un meža nozares produktu tirgiem Eiropā. Pēdējā laikā pētījumi par kokmateriāliem un meža nozares produktu tirgiem, izmantojot šo metodoloģiju, ir kļuvuši sarežģītāki un daži mēģinājumi prognozēt īstermiņa tirgus attīstību nav bijuši ļoti veiksmīgi. Kā arī šīs metodes nav ievērojami uzlabojušas īstermiņa prognozēšanas modeļu sniegumu meža nozares produktu tirgos. 10

11 Ekonometrija ļauj iegūt kvantitatīvu informāciju par struktūru un industrijas vai tirgus uzvedību. Izstrādātie modeļi var tikt tieši izmantoti prognozēšanai un politikas analīzei, lai gan meža nozares tirgus prognozēšanas rezultāti ir bijuši pieticīgi. Šo pētījumu sniegtā informācija tomēr ir svarīga, veidojot skaitliskos modeļus. Plaša mēroga daļējā līdzsvara modeļu galvenās problēmas joprojām ir teorētiski labi pamatota skaitliskā apraksta trūkums par koksnes resursu vecumklašu dinamiku, informācijas par mežu īpašnieku izvēli ražot kokmateriālus, nekoksnes un netirgus preces trūkums, reālās pasaules stohastiskā daba. Skaitliskie meža nozares modeļi ir labi izmantojami valsts politikas analīzē un arī meža nozares ekonomiskās attīstības prognozēšanā, bet modeļu izmantošana ir atkarīga no pareizi specificētām ražošanas tehnoloģijām un statistiski noteiktām ekonomiskās uzvedības sakarībām. Kā uzsver Buongiorno, dažreiz vienkārši modeļi, kas koncentrēti uz ierobežotu problēmu, ir viegli izveidojami, izmantojami un atmetami. Tie var sniegt pietiekamu informāciju tālākai analīzei un ir ērti lietojami. No nākotnes perspektīvas raugoties, būtu ārkārtēji svarīgi uzzināt, kurš ekonomikas faktors ietekmē apjomus palielinošo investīciju atrašanās vietas izvēli. Tāpēc lēmums par kādas meža industrijas atrašanās vietu ir jāizpēta globālā perspektīvā, bet dodot priekšroku mikrolīmeņa datiem. Ir diezgan svarīgi noteikt un izskaidrot tehnoloģisko progresu un to ietekmējošos faktorus, lai izstrādātu ilgtermiņa daļējā līdzsvara modeļu scenārijus un politikas analīzi. Kamēr izaicinājumi īstermiņa prognozēšanā ir galvenokārt statistiski un saistīti ar arvien straujākiem nejaušiem pasaules ekonomikas triecieniem, ilgtermiņa daļējā līdzsvara meža nozares modeļi saskaras ar pieaugošu produktu dinamiku un pasaules industrijas strukturālām izmaiņām Latvijā izstrādātie ar meža nozari un kokrūpniecību saistītie prognozēšanas modeļi "Meža eksperts" ir LLU Meža un Informācijas tehnoloģiju fakultāšu pētnieku kopīgi izstrādātā un pilnveidotā datu apstrādes un modelēšanas datorprogramma, kas izveidota ar mērķi atbalstīt meža apsaimniekošanas plānošanas stratēģisko lēmumu pieņemšanu. Ar datorprogrammas palīdzību iespējams izvirzīt meža apsaimniekošanas mērķus un aprēķināt to sasniegšanas alternatīvos risinājumus, novērtēt meža resursu stāvokli un konstatēt saimnieciskās darbības ietekmi uz tiem. Datorprogramma paredzēta meža apsaimniekošanas plāna sastādīšanai atsevišķā īpašumā vai īpašumu kopumā neatkarīgi no to lieluma. Šobrīd programmas lietotāji ir privātie meža īpašnieki, meža īpašnieku apvienības, nekustamo īpašumu vērtētāji, meža konsultatīvo pakalpojumu sniedzēji. Sadarbojoties Latvijas Valsts mežzinātnes institūta Silava un Latvijas Lauksaimniecības universitātes pētniekiem, daļēji par pamatu ņemot jau izstrādātās datorprogramma Meža eksperts algoritmus, gadā izveidota datorprogramma MESTRA. Šīs datorprogrammas uzdevums ir atbalstīt meža apsaimniekošanas plānošanas stratēģisko lēmumu pieņemšanu valstiskā līmenī un tās lietotājs ir LR Zemkopības ministrija. Abas datu apstrādes datorprogrammas lietojamas normatīvo, stratēģisko un daļēji taktisko uzdevumu risināšanai, modelējot koksnes resursu ieguves iespējas atkarībā no šādiem indikatoriem: 1) ekonomiskie indikatori (peļņas procentu likme, tīrā tagadnes vērtība, izmaksas un ienākumi, peļņa); 2) sociālie indikatori (ietekme uz nodarbinātību, ietekme uz ainavu); 3) ekoloģiskie indikatori (CO 2 sekvestrēšana, bioloģiskās daudzveidības indikatori). 11

12 Abu izstrādāto datorprogrammu darbības sfēra aptver tikai mežsaimnieciskās ražošanas sektoru un tiešā veidā nav sasaistītas ar kokrūpniecības nozares lēmumu pieņemšanas atbalstu. Laika posmā no līdz gadam SIA Meža un koksnes produktu pētniecības un attīstības institūts (saīsināti MeKA) izstrādāts koksnes resursu pieprasījuma un patēriņa (KRP) modelis. Izstrādātais modelis veidots, izmantojot sistēmas pētīšanas ceļa metodiku un ietver visus meža nozarē iesaistītos pārstrādes sektorus. Meža nozares sistēma konstruēta un tajā iekļauti tie sektori, ar kuru palīdzību būtu iespēja analizēt nozares produkcijas konkurētspēju starptautiskā kontekstā un izstrādāt produktu attīstības scenārijus. Lai varētu iegūt datus par pievienotās vērtības plūsmu nozarē, sistēmā iekļauts pilns resursu plūsmas posms. Meža nozares koksnes resursu plūsmas sistēma sastāv no trīs līmeņiem mežizstrādes, pirmapstrādes un pēcapstrādes līmeņa. Katrā pārstrādes līmenī tiek ražoti resursi, kurus izmanto nākamais pārstrādes līmenis. Starp pārstrādes līmeņiem atrodas resursu tirgus, kurā tiek veikta resursu importa eksporta apjomu apstrāde. Šī modeļa galvenais trūkums ir, ka tā darbības regulācijā galvenokārt tiek izmantoti koeficenti, kurus nosaka eksperti. Analizējot literatūru un citu valstu pieredzi par meža nozares modeļu uzbūvi un lietošanu, promocijas darba ietvaros tika nolemts izstrādāt dinamisku simulācijas modeli, kas imitē pastāvošās sakarības Latvijas koksnes resursu sadalē, ievērtējot arī pieejamo koksnes resursu dinamiku. 2. IZMANTOTĀS METODES UN MATERIĀLS 2.1. Latvijas kokrūpniecības prognozēšanas modeļa izstrādes metodika Latvijas kokrūpniecības attīstības prognozēšanas modeļa izstrāde tika sadalīta vairākos posmos. Pirmajā posmā tika izveidota modeļa vispārējā uzbūve, aprakstīti nozarē notiekošie procesi un analizēta katra procesa ieejas un izejas informācija. Otrais posms ietvēra Latvijas kokrūpniecību ietekmējošo dinamisko indikatoru atlasi un to savstarpējās mijiedarbības noteikšanu. Trešajā posmā tika izveidots dinamisks Latvijas koksnes resursu izmantošanas un tālākas pārstrādes ekonomiskās modelēšanas datu apstrādes programmas prototips. Latvijas kokrūpniecības attīstības prognozēšanas modelis veidots tā, lai tas aprakstītu meža nozarē pastāvošos procesus un to saistības (2.1. att.). Galvenie katru procesu aprakstošie raksturlielumi ir ieejas un izejas informācijas datu kopums. Tas konceptuāli apraksta mežizstrādes, meža atjaunošanas, agrotehniskās un jaunaudžu kopšanas, importa, eksporta, pirmapstrādes, tālākapstrādes un enerģētiskās koksnes ražošanas procesus. Praktiskai lietošanai tika realizēta modeļa versija, kur LPAS Meža eksperts tiek modelēti dažādi saimnieciskai izmantošanai pieejamo apaļo kokmateriālu ieguves scenāriji. 12

13 2.1.att. Simulācijas modeļa darbības princips. Attēls sagatavots MS Visio Drawing programmā. Tālāk, izmantojot iegūtos rezultātus, izveidots dinamiskais modelis, kas ļauj imitēt apaļo kokmateriālu pārstrādes procesu norisi noteiktā laika periodā ar definētām ieejas vērtībām. Apaļo kokmateriālu dimensiju grupu iznākumu attiecību prognozēm dalījumā pa koku sugām (priede, egle, bērzs, melnalksnis, apse) tika izmantota LVMI Silava datu bāze par koksnes resursiem Latvijā 1.23 milj. ha platībā, kuras dati tika apstrādāti ar datorprogrammu Meža eksperts. Saimnieciskai izmantošanai pieejamie Latvijas koksnes resursi sākotnēji tika aprēķināti nākamai simtgadei, bet tālākiem aprēķiniem tika izmantoti tuvāko trīs desmitgažu dati, kas sadalīti laika periodos pa gadiem. Pieejamās dimensiju grupas tiek pārrēķinātas apaļo kokmateriālu sortimentos, kuri tālāk tiek sadalīti pa pārstrādes sektoriem, vadoties pēc vēsturiskās koksnes izmantošanas bilances. Lai novērtētu cenas, pieprasījuma un apjoma ietekmi uz mežsaimniecības un kokrūpniecības procesiem, tika izstrādāta simulācija, kas imitē pastāvošās sakarības Latvijas koksnes resursu sadalē. Vēsturiskie dati tiek ievākti tā, lai tie aprakstītu apskatāmo procesu kvantitatīvās un pēc iespējas arī kvalitatīvās pazīmes. Modeļa galvenais uzdevums šajā gadījumā ir datu tālāka interpretēšana un nākotnes prognožu izveidošana. Galvenais priekšnosacījums modeļa darbības precizitātes uzlabošanai ir vēsturisko datu sadaļas apjoma un kvalitātes nodrošināšana, kas arī praksē sagādā vislielākās problēmas, jo vairākās grupās nepieciešamā informācija netiek ievākta un uzglabāta. Kokrūpniecības nozares procesu simulācijas modeļa realizācijai datorprogrammā Powersim Studio šī problēma tiek risināta, ieviešot dažādus pieņēmumus, kas balstīti uz citu pētījumu rezultātiem un nozares ekspertu zināšanām. 13

14 2.2. Procesu modeļa detalizēta uzbūve Prognozēšanas modeļa izstrādē tika nolemts izmantot tos indikatorus, kuri vistiešākā veidā ietekmē kokrūpniecību. Kā galvenie no tiem ir minami: nodarbināto personu skaits un mēneša vidējā bruto darba samaksa, mežu platība un krāja, izcirstās meža zemju platības un krāja, meža atjaunošana, meža nozares uzņēmumu neto apgrozījums, peļņa un rentabilitāte, investīciju apjoms, pievienotā vērtība, saražotās kokrūpniecības produkcijas realizācija, meža nozares eksports un imports. Lai labāk saprastu modelējamos procesus, to mijiedarbību un savstarpējās saistības, tika izstrādāts modelis, kas konceptuāli apraksta meža nozarē pastāvošos procesus, to ieejas un izejas informāciju plūsmas (sk att.). Ieeja Ieeja Process «Imports» A0 Process «Mežizstrāde» A0 Izeja Mežsaimniecība Izeja / Ieeja Ieeja Process «Meža atjaunošana» A0 Izeja / Ieeja Izeja Process «Agrotehniskā un jaunaudžu kopšana» A0 Izeja / Ieeja Izeja / Ieeja Process «Eksports» A0 Izeja / Ieeja Izeja Izeja / Ieeja Process «Enerģijas ražošana» Izeja / Ieeja A0 Izeja / Ieeja Izeja / Ieeja Ieeja Ieeja Process «Pirmapstrāde» A0 Kokrūpniecība Izeja Izeja / Ieeja Izeja / Ieeja Ieeja Process «Tālākapstrāde» Izeja A att. Meža nozares konceptuālais modelis, kas apraksta nozarē pastāvošos procesus un to saistības. Attēls sagatavots MS Visio Drawing programmā. Meža nozares procesu modeļa izstrādē ir izmantots melnās kastes princips, kurš plaši tiek lietots dažādu informācijas tehnoloģiju risinājumu modelēšanā un analīzē. Šajā gadījumā process tiek aprakstīts, nedetalizējot tā uzbūvi un tajā notiekošās darbības. Galvenās to raksturojošās īpatnības ir ieejas un izejas informācijas kopums. Procesi, kas iekļauti modelī, ir mežizstrāde, meža atjaunošana, agrotehniskā un jaunaudžu kopšana, imports, eksports, pirmapstrāde, tālākapstrāde un enerģijas ražošana. Lai vienkāršotu sākotnējo versiju, atbilstoši pieejamo datu kopai, mežizstrāde, meža atjaunošana un agrotehniskā jaunaudžu kopšana tiek apskatīts kā vienots procesu bloks Mežsaimniecība. Tāpat arī pirmapstrādes un tālākapstrādes procesi tiek analizēti kā vienots Kokrūpniecības bloka uzdevumu kopums. Šādas analīzes galvenais iemesls ir ierobežotais statistikas datu kopums, kas nenodrošina Izeja 14

15 pietiekamu informācijas apjomu, lai būtu iespējama detalizēta šo procesu analīze. Meža nozares modelī katram elementam ir attēlota tā ieejas un izejas informācija, kur viena procesa izejas dati var būt kā sākotnējā informācija citam procesam Nozari ietekmējošo indikatoru atlase un savstarpējās mijiedarbības analīze Latvijas koksnes pirmapstrādes uzņēmumi ir cieši saistīti ar Latvijas mežsaimniecības uzņēmumiem, kuri ir galvenais koksnes izejmateriālu piegādātājs kokrūpniecības nozarei. Līdz ar to, meklējot un atlasot Latvijas kokrūpniecību ietekmējošos indikatorus, tika aplūkoti visas meža nozares indikatori. Analīzei tika atlasīti tie meža nozari raksturojošie rādītāji, par kuriem informācija bija pieejama vismaz pēdējo vienpadsmit gadu garumā. Šāds dinamikas rindas minimālais garums bija nepieciešams, lai iegūtu pēc iespējas ticamākus datus no vienfaktoru un divfaktoru rādītāju sakarību analīzes. Indikatori tika meklēti publiski pieejamos interneta resursos Centrālās statistikas pārvaldes, LR Zemkopības ministrijas un Valsts meža dienesta mājas lapā. Dažādu indikatoru savstarpējā ietekme kopumā tika izanalizēta 77 rādītāju pāriem, kuriem teorētiski vajadzētu būt kaut kādai savstarpējai sakarībai. Pamatojoties uz regresijas analīzi, katram rādītāju pārim tika noteikta tā atbilstība reāliem datiem, aprēķinot determinācijas koeficientu R 2 un regresijas modeli Latvijas kokrūpniecības attīstības prognozēšanas modeļa datu apstrādes programmas prototipa izveide Latvijas kokrūpniecības attīstības prognozēšanas modeļa datu apstrādes programmas prototipa izveidei tika izmantota simulācijas datorprogramma Powersim Studio, kas paredzēta dinamisku optimizācijas modeļu izstrādei un funkcionēšanas pārbaudei, analizējot dažādu alternatīvu scenārijus. Simulācijas vide Powersim Studio realizē lietotāja saskarsmi, kas iedalīta vairākās lapās, kurās pēc modelētāja ieskatiem iespējams izvietot dažādas modeļa sastāvdaļas. Tas ļauj vienkāršot sarežģītus modeļus un padara tos pārskatāmākus. Šī pētījuma ietvaros izveidotais modelis ir iedalīts trīs daļās - galvenais modelis, iestatījumi un atskaites. Galvenā modeļa sadaļā atrodas modeļa shēma, kurā ir norādīti modelēšanā lietotie elementi un to saistības, un atkarībā no apzīmējuma arī to nozīme. Iestatījumu sadaļā iespējams norādīt dažādu simulācijā lietoto mainīgo sākotnējās vērtības, kā arī dinamisko mainīgo vērtības, katram periodam. Sadaļā Atskaites simulācijas modeļa lietotājs var aplūkot veiktās simulācijas aprēķinātos rādītājus, kuri iegūti modeļa izpildīšanas rezultātā Koksnes resursu pieejamības un patēriņa analīzes moduļa izstrāde Ierobežojumu noteikšanai attiecībā uz Latvijas koksnes pirmapstrādes uzņēmumu apaļo kokmateriālu patēriņa iespējām un ilgtermiņa nodrošinājumam ar izejmateriāliem tika izveidots atsevišķs modulis, kura izveidē tika risināti šādi uzdevumi: 1. Latvijas kokmateriālu pirmapstrādes uzņēmumu monitoringa veikšana, noskaidrojot: apaļo kokmateriālu pārstrādes apjomus no līdz gadam; kā pārstrādes apjomi sadalās starp skuju un lapu kokiem; 15

16 pārstrādāto apaļo kokmateriālu sortimentus; ražotās produkcijas sortimentāciju; kokapstrādes uzņēmumu ražotņu ģeogrāfisko izvietojumu; vidējo apaļo kokmateriālu piegādes attālumu; 2. Latvijas ostu aptaujas veikšana, noskaidrojot pārkrauto apaļo kokmateriālu apjomus un gadā; 3. pieejamo koksnes resursu un to patēriņa ģeogrāfiskā izvietojuma novērtēšana. Latvijas pirmapstrādes uzņēmumu monitorings tika realizēts telefonintervijas veidā, veicot aptauju divas reizes un gadā. Aptaujā iegūtie dati analizēti laika posmā no līdz gadam. Dati par 2006.gadu iegūti no Latvijas Kokrūpniecības federācijas 2007.gadā veiktās aptaujas, bet dati par gadu ņemti no LLU Meža fakultātes un gadā veiktajām aptaujām. Analizējot apaļo kokmateriālu pirmapstrādes uzņēmumus, tie tika sadalīti grupās pēc to apaļo kokmateriālu pārstrādes apjomiem un gadā: lielie virs 50'001 m 3 gads -1 ; vidējie 10'001-50'000 m 3 gads -1 ; mazie 1'001-10'000 m 3 gads -1 ; mikro līdz 1'000 m 3 gads -1. Papildus ražotnes tika sadalītas pēc to pārstrādātās koku sugas - pārstrādā tikai skuju koku, pārstrādā tikai lapu koku vai pārstrādā gan skuju koku, gan lapu koku. Vidējā apaļo kokmateriālu piegādes attāluma noskaidrošanai tika aptaujāts lielākais apaļo kokmateriālu ražotājs un piegādātājs AS "Latvijas valsts meži", no kura tika iegūti vidējie piegādes attālumi dažādos Latvijas reģionos. Pārkrauto apaļo kokmateriālu noskaidrošanai tika aptaujātas visas lielākās Latvijas ostas Liepāja, Ventspils, Roja, Mērsrags, Rīga, Skulte un Salacgrīva. Pieejamo koksnes resursu un apaļo kokmateriālu patēriņa ģeogrāfiskā izvietojuma novērtējumam izmantota Valsts meža dienesta Meža valsts reģistra datu bāze. Izmantojot specializēto meža apsaimniekošanas plānošanas datorprogrammu Meža eksperts, aprēķināti saimnieciskai izmantošanai nākamajā simtgadē pieejamie Latvijas koksnes resursi, kas sadalīti laika periodos pa desmitgadēm. Sākumā šie resursi tika aprēķināti cirsmai pēc gatavuma un vēlāk veikta to optimizācija, lai koksnes resursu tīrā tagadnes vērtība nesamazinātos un ciršanas apjomi būtu sabalansēti ar meža vērtības pieaugumu. Tādējādi tika noteikti ilgtspējīgai izmantošanai pieejamie resursi apaļo kokmateriālu galveno ciršu krāja un krājas kopšanas ciršu krāja dalījumā pa Latvijas novadiem. Meža platības ar saimnieciskās darbības ierobežojumiem tika izslēgtas no ilgtspējīgai izmantošanai pieejamo apaļo kokmateriālu aprēķiniem. Ciršu krāja tika aprēķināta atsevišķi skuju un lapu kokiem. Pieejamo koksnes resursu vizuālajam attēlojumam izmantota pirmās desmitgades vidēji vienā gadā ilgtspējīgai izmantošanai aprēķinātā ciršu krāja pa Latvijas novadiem. Lai dati pa novadiem būtu labāk salīdzināmi, aprēķināta katrā novadā izmantojamā krāja no viena hektāra meža zemju bez saimnieciskās darbības ierobežojumiem. Apaļo kokmateriālu patēriņa ģeogrāfiskais izvietojums analizēts, gan dalot pārstrādes uzņēmumus pēc to gadu pārstrādes apjomiem, gan pēc to pārstrādē izmantotās koku sugas. Rezultātu vizuālai attēlošanai uz Latvijas kartes izmantota datorprogramma Quantum GIS. 16

17 3. PĒTĪJUMA REZULTĀTI 3.1. Latvijas kokrūpniecību ietekmējošo indikatoru savstarpējo sakarību analīze Darbā parādītas un aprakstītas analizētās sakarības starp ieejas un izejas faktoriem, kuru regresijas modeļa atbilstība reāliem datiem ir vismaz 30%. Sakarības sadalītas divos modeļa blokos: Mežsaimniecība un Kokrūpniecība. Modeļa vispārējā bloka Mežsaimniecība ieejas un izejas faktoru sakarību regresijas analīze rāda, ka ne visos gadījumos pastāv būtiska sakarība starp izvēlētiem modeļa faktoriem. Meža nozares uzņēmumu neto apgrozījums mežsaimniecībā un mežizstrādē (milj. Ls) ir būtiski atkarīgs (p<0.01) no nefinanšu investīciju apjoma šajos uzņēmumos (faktiskajās cenās, tūkst. Ls). Apgrozījums pieaug par 3.9 tūkst. Ls (EUR 5.5 tūkst.), ja nefinanšu investīciju apjoma meža nozares uzņēmumos mežsaimniecībā un mežizstrādē pieaug par vienu tūkst. Ls un modeļa atbilstība reāliem datiem veido 61.7% (R 2 =0.617). Meža nozares uzņēmumu peļņa pēc nodokļu nomaksas mežsaimniecībā un mežizstrādē (milj.ls) ir būtiski atkarīga (p<0.05) no nefinanšu investīciju apjoma mežsaimniecības un mežizstrādes uzņēmumos (faktiskajās cenās, tūkst. Ls). Peļņa pēc nodokļu nomaksas pieaug par 931 Ls (EUR 1325), ja nefinanšu investīciju apjoms mežsaimniecības un mežizstrādes uzņēmumos pieaug par vienu tūkst. Ls un modeļa atbilstība reāliem datiem veido 50.5% (R 2 =0.505). Mežsaimniecības bloka procesa Mežizstrāde ieejas un izejas faktoru sakarību regresijas analīze rāda, ka meža nozares eksports, apaļie kokmateriāli (tūkst. m 3 ) ir būtiski atkarīgs (p<0.05) no mežaudžu krājas (milj. m 3 ). Turklāt meža nozares eksports, apaļie kokmateriāli pieaug par tūkst. m 3, ja mežaudžu krāja pieaug par vienu milj. m 3 un modeļa atbilstība reāliem datiem veido 28.9% (R 2 =0.289). Jāuzsver, ka determinācijas koeficients R 2 =0.289 raksturo izvēlētā modeļa piemērotību rezultatīvas pazīmes prognozei. Ņemot vērā, ka determinācijas koeficients nav pietiekami augsts, tad arī vienfaktora regresijas modeli meža nozares eksportam (apaļie kokmateriāli) izmantot prognozēšanai nav iespējams. Vienlaikus modelis apstiprina, ka mežaudžu krājas faktors ir būtisks un to obligāti jāiekļauj daudzfaktora regresijas modelī. Mežsaimniecības bloka procesa Meža atjaunošanas ieejas un izejas faktoru sakarību regresijas analīze rāda, ka meža atjaunošana (tūkst. ha) ir būtiski atkarīga (p<0.01) no galvenās cirtes kopā (ha). Pie tam meža atjaunošana pieaug par 0.6 ha, ja galvenā cirte pieaug par 1 ha un modeļa atbilstība reāliem datiem veido 42,1%, jo determinācijas koeficients R 2 = Modeļa bloka Kokrūpniecība, ieejas un izejas faktoru sakarību regresijas analīze rāda, ka ne visos gadījumos pastāv būtiska sakarība starp izvēlētiem modeļa faktoriem. Meža nozares uzņēmumu peļņa pa darbības veidiem pēc nodokļu nomaksas (koksnes un tās izstrādājumu ražošana, mēbeļu ražošana) (milj. Ls) ir būtiski atkarīga no izcirstā koksnes apjoma, milj.m 3 (p<0.05), darbības veida (p<0.05), abu faktoru mijiedarbības efekta (p<0.05) un modeļa atbilstība reāliem datiem veido 47.4% (R 2 =0.474). Nodarbināto personu skaits kopā mēbeļu ražošanā, tūkst. ir būtiski atkarīgs no nefinanšu investīciju apjoma meža nozares uzņēmumos mēbeļu ražošanā, faktiskajās cenās, tūkst.ls (p<0.05) un modeļa atbilstība reāliem datiem veido 37.4% (R 2 =0.374). Meža nozares uzņēmumu neto apgrozījums koksnes un tās izstrādājumu ražošanā, milj. Ls ir būtiski atkarīgs no nefinanšu investīciju apjoma meža nozares uzņēmumos 17

18 koksnes un tās izstrādājumu ražošanā, faktiskajās cenās, tūkst. Ls (p<0.05) un modeļa atbilstība reāliem datiem veido 47.2% (R 2 =0.472). Meža nozares uzņēmumu neto apgrozījums mēbeļu ražošanā, milj. Ls ir būtiski atkarīgs no nefinanšu investīciju apjoma meža nozares uzņēmumos mēbeļu ražošanā, faktiskajās cenās, tūkst. Ls (p<0.001) un modeļa atbilstība reāliem datiem veido 79.4% (R 2 =0.794). Pievienotā vērtība meža nozarē mēbeļu ražošanā, faktiskajās cenās, tūkst. Ls ir būtiski atkarīga no nefinanšu investīciju apjoma meža nozares uzņēmumos mēbeļu ražošanā, faktiskajās cenās, tūkst. Ls (p<0.05) un modeļa atbilstība reāliem datiem veido 44.3% (R 2 =0.443) Kokrūpniecības attīstības prognozēšanas modeļa datu apstrādes programmas prototips Datorprogrammā Powersim Studio realizētais Latvijas kokrūpniecības attīstības prognozēšanas modelis imitē dabā pastāvošo materiālu plūsmas un to transformācijas. Piemēram, sākotnēji ieejā modelis vērtē pieejamo koksnes krāju, uz kuras pamata nosaka ciršanas apjomu konkrētajā periodā. Ciršanas apjoms periodā ir definēts kā funkcija, kuras rezultātu ietekmē pastāvošais pieprasījums un dotajā periodā pieejamā koksnes krāja. Pieejamās krājas daudzumu modelī definē kā mainīgu vērtību atbilstoši katram plānošanas periodam. Šo vērtību modelēšanas vide iegūst no datiem, kurus, veicot saimnieciskās darbības plānošanu, sagatavo un eksportē programma "Meža eksperts". Perioda ciršanas apjoma noteikšanā pieejamā krāja norāda maksimāli pieejamo daudzumu, kuru imitācijas gaitā nedrīkst pārsniegt. Pieprasījums, kas tieši ietekmē ciršanas apjomu imitējamajā sistēmas modelī, ir realizēts kā funkcija, kuras iznākumu nosaka pārstrādei nepieciešamo sortimentu pieprasījums. Rezultātā šīs materiālu plūsmas ietvaros modelis imitē perioda ciršanas apjoma izmaiņu atkarībā no pastāvošā sortimentu pieprasījuma. Tālāk modeļa ietvaros nocirstais koksnes apjoms atbilstoši sistēmas "Meža eksperts" noteiktajam sadalījumam tiek iedalīts un uzskaitīts dimensijās, kas turpmākiem aprēķiniem tiek sadalīts pa sortimentu grupām un saražotās produkcijas veidiem. Modeļa realizācijai ir izveidoti vairāki diapazonu mainīgie, kas ļauj katru modeļa elementu realizēt kā masīvu, kura indeksēšanai tiek lietoti iepriekš definētie diapazoni. Šāda pieeja samazina modeļa kopējo grafisko elementu skaitu. Modelī lietoti šādi diapazonu mainīgie: dimensiju grupas resnie, vidējie, tievie, papīrmalka, malka un atlikumi; sortimenti zāģbaļķi, finierkluči, papīrmalka un malka; produkcijas veidi - saplākšņi un finieri, KSP plātnes, KSP plātnes no malkas, OSB plātnes, tara, materiāli būvniecībai, stabi, materiāli būvniecībai un mēbeļu sagatavēm un dārza produkcija; eksporta produkcijas veidi finieris, kokskaidu plātnes, saplāksnis, zāģmateriāli un apaļie kokmateriāli. Turpmākā modeļa īstenošanai tiek lietoti vairāki mainīgie, kuru vērtības definē produkcijas sadalījumus un tiek izmantotas dažādu summāro vērtību uzkrāšanai. Modeļa pamat darbības tiek realizētas lietojot funkcijas, kas apraksta plūsmu izmaiņu noteiktā laika periodā. Piemēram, nepieciešamais ciršanas apjoms (milj.m 3 ) tiek noteikts ar sekojošu algoritmu: 18

19 , kur NC - nepieciešamais ciršanas apjoms (milj.m 3 ); d dimensiju koeficenti (importē no sistēmas Meža eksperts ); s sortimentu pieprasījums; SK sortimentu koeficients. (1) Pētījuma ietvaros izstrādāta virkne algoritmu, kas iekļauti simulācijas modelī: pieejamo resursu apjoms periodā pa dimensijām (milj.m 3 ); zāģbaļķu, finierkluču, papīrmalkas un malkas apjoms (milj.m 3 ); pārstrādes apjoms periodā (milj.m 3 ); gala produkcijas ražošana (fiziskā mērv.); apaļo kokmateriālu eksporta bilance (milj.m 3 ) mēbeļu ražošanas uzņēmumu apgrozījums (milj. Ls); koksnes un tās izstrādājumu ražošanas uzņēmumu apgrozījums (milj. Ls); u.c. Simulācijas vide Powersim Studio realizē lietotāja saskarsmi, kas iedalīta vairākās lapās, kurās pēc modelētāja ieskatiem iespējams izvietot dažādas modeļa sastāvdaļas. Tas ļauj vienkāršot sarežģītus modeļus un padara tos pārskatāmākus. Šī pētījuma ietvaros izveidotais modelis ir iedalīts trīs daļās - galvenais modelis, iestatījumi un atskaites. Galvenā modeļa sadaļā atrodas modeļa shēma, kurā ir norādīti modelēšanā lietotie elementi un to saistības, un atkarībā no apzīmējuma arī to nozīme. Izcirstais koksnes apjoms Izcirstais koksnes apjoms pa dimensijām Ciršanas apjoms periodā Pieejamo resursu apjoms periodā pa dimensijām Pārstrādes apjoms periodā pa dimensijām Ciršanas apjoma izmaiņas laiks Sortimentu koef Dimensiju koef Finierkluču apjoms Pieejamā mežaudžu krāja Nepieciešamais ciršanas apjoms Dimensiju koef pārbaude Zāģbaļķu apjoms Mēbeļu ražošanas uzņēmumu apgrozījums milj Ls Sortimentu pieprasījums Papīrmalkas apjoms Sort Koksnes un tās izstrādājumu ražošanas uzņēmumu apgrozījums milj Ls Eksporta produkcijas vērtība Malkas apjoms So iz 3.1. att. Simulācijas modeļa uzbūve ciršanas apjomu un iegūstamo sortimentu apjoma noteikšanai. 19

20 Modeļa daļa, kurā tiek modelēta plūsma, kas apraksta ciršanas apjomu izmaiņu katrā periodā atkarībā no eksporta produkcijas pieprasījuma, kā arī nosaka katrā periodā pieejamo sortimentu, redzama 3.1. attēlā. Plūsmu noteicošie rādītāji ir: ciršanas apjoms periodā, kas nosaka, kādi apjomi, katrā plānošanas periodā tiek nocirsti; pieejamo resursu apjoms periodā pa dimensijām, kas nosaka, kā nocirstie apjomi tiek sadalīti; pārstrādes apjoms periodā, kas nosaka, kādi sortimentu apjomi tiek iegūti. Iepriekš aprakstītos rādītājus tieši ietekmē Sortimentu pieprasījums, kas ir viena no svarīgākajām modeļa ievades vērtībām, jo atbilstoši tai tiek noteikts katrā periodā nepieciešamais ciršanas apjoms, kā arī iegūstamie sortimenti. Katra perioda pārstrādes apjoma noteikšanai modelī ir realizēts vairāku pakāpju algoritms, kas ļauj aprēķināt finierkluču, zāģbaļķu, papīrmalkas un malkas apjomus. Tālākai izmantošanai modelī iegūtie rezultāti tiek apkopoti un tiek noteikts, vai kādā no sortimentu grupām nerodas iztrūkums (3.2. attēls) att. Simulācijas modeļa uzbūve kokmateriālu pārstrādes procesā iegūstamo iznākuma rādītāju noteikšanai. Pēc pieejamo sortimentu apjoma noteikšanas tiek aprēķināti no tā iegūstamie produkcijas apjomi atbilstoši MeKAs pētījuma. No iegūtajiem sortimentiem tiek noteikts apjoms, kas aiziet uz gala produkcijas ražošanu Latvijā, koksnes atlikumi, kas rodas ražošanas procesā un apaļo kokmateriālu eksporta bilance. Modeļa iestatījumu sadaļā iespējams norādīt dažādu simulācijā lietoto mainīgo sākotnējās vērtības, kā arī dinamisko mainīgo vērtības katram periodam. 20

21 Sortimentu pieprasījums[finierkluči] (milj. m3) Sortimentu pieprasījuma prognozes pa gadiem Finierkluči att. Dinamisko mainīgo vērtību iestatīšanas komponenta piemērs. Dinamisko mainīgo vērtību ievades komponents, kas ļauj norādīt katram plānošanas periodam (šajā gadījumā gadam) atbilstošo vērtību, ir redzams 3.3. attēlā. Tā iestatīšana notiek, pārvietojot attēlā redzamos vērtību raksturojošos stabiņus. Modelī, pirms simulācijas uzsākšanas, lietojot šo komponentu, ir iespējams uzstādīt vērtības šādiem mainīgajiem: sortimentu pieprasījums katram no apskatītajiem sortimentu veidiem (zāģbaļķiem, finierklučiem, papīrmalkai, malkai); eksporta produkcijas vērtība finierim, kokskaidu plātnēm, saplāksnim, zāģmateriāliem, apaļiem kokmateriāliem. Papildus iestatījumu sadaļā iespējams norādīt Ciršanas apjoma izmaiņas laiku, kas, izmantojot simulācijas vidē iebūvētu funkciju, norāda periodu, kurā ciršanas apjoma pieaugums spēj sasniegt līmeni, kas nepieciešams, lai apmierinātu radušās pieprasījuma izmaiņas. Perioda ciršanas apjoma vērtību iespējams iestatīt no 0 līdz 2 ceturkšņu ilgumam. Izstrādātais modelis ir veidots tā, lai tas tiktu izmantots kopā ar programmu "Meža eksperts", bet vajadzības gadījumā to ir iespējams lietot atsevišķi ievadot periodā pieejamās krājas apjomus un iegūstamo dimensiju grupu koeficentus. Sortimentācija Dimensiju koef. (% no krājas) Dimensiju koefic. vērtības Resnie 0.49 Vidējie 0.18 Tievie 0.13 Papīrmalka 0.07 Resnie Vidējie Tievie Papīrmalka Malka Atlikumi Malka 0.02 Atlikumi 0.11 Dimensiju grupas 3.4. att. Sortimentācijas koeficentu vadība. Divi komponenti, kas ļauj norādīt vēlamos dimensiju grupu sadalījuma koeficentus, ir redzami 3.4. attēlā. Pirmais ir veidots, lietojot stabiņu grafiku, kurā pirms modeļa izpildes stabiņus iespējams pārvietot vēlamajā virzienā. Otrais ir tabula, 21

22 kurā var ievadīt precīzu vēlamo vērtību. Mainot šīs vērtības, modeļa lietotājam ir jāseko, lai visu koeficentu summā veidotu 1 jeb 100%, pretējā gadījumā izpildes vide izvada kļūdas paziņojumu un neļauj startēt simulācijas procesu. Gadījumā, ja simulācija tiek veikta bez datu sasaistes ar programmu "Meža eksperts", tās veicējiem ir jānorāda katrā periodā pieejamā mežaudžu krāja. Modeļa atskaites sadaļu pārsvarā veido grafiku komponenti, kuri atspoguļo modelī lietoto mainīgo vērtības dažādos simulācijas posmos un ļauj izdarīt secinājumus par iegūtajiem rezultātiem. Šobrīd veidotā atskaites sadaļa iekļauj 9 diagrammas, kas raksturo ciršanas apjomu pa gadiem, saražoto produkciju pa dimensijām, saražoto produkciju pa sortimentiem, gala produkcijas apjomus, iztrūkstošos sortimentu apjomus, mēbeļu ražošanas uzņēmumu apgrozījumu un koksnes un tās izstrādājumu ražošanas uzņēmumu apgrozījumu. Izstrādātais Latvijas koksnes resursu izmantošanas un tālākas pārstrādes ekonomiskās modelēšanas datu apstrādes programmas prototips ir izmantojams nevis kā precīzu nākotnes prognožu devējs, bet gan kā lēmumu pieņemšanas atbalsta rīks dažādu ja nu situāciju modelēšanai. Tādējādi modeļa simulāciju dotos rezultātus vajadzētu uztvert kā indikatīvus un tendenci raksturojošus Simulācijas modeļa pārbaude Simulācijas modeļa pārbaude veikta divos veidos salīdzinot modeļa aprēķinātās vērtības ar reāliem vēsturiskiem datiem un izveidojot divus kokrūpniecības nozares attīstības prognozēšanas scenārijus. Modeļa aprēķināto vērtību salīdzināšana ar reāliem datiem Lai pārbaudītu izstrādātā simulācijas modeļa darbību, modeļa ieejā (sadaļā Iestatījumi ) tika ievadītas kokrūpniecības eksporta produkcijas sortimentu reālās vērtības naudas izteiksmē par gadu pēc LR Zemkopības ministrijas sniegtās informācijas, bet atlikušajam simulācijas periodam tika uzdotas vērtību prognozes. Tad tika veikta pati simulācija, kuras rezultātā rādītājs koksnes un tās izstrādājumu ražošanas uzņēmumu apgrozījums gadā tika aprēķināts 1128 milj. Ls (EUR 1605 milj.), bet Centrālās statistikas pārvaldes uzrādītā vērtība šim rādītājam ir 1173 milj. Ls (EUR 1669 milj.). Savukārt gada rādītājs mēbeļu ražošanas uzņēmumu apgrozījums modeļa simulācijas rezultātā tika aprēķināts 171 milj. Ls (EUR 243 milj.), bet šī rādītāja reālā vērtība gadā bija 134 milj. Ls (EUR 191 milj.). Abu modeļa aprēķināto nozares uzņēmumu apgrozījuma vērtību atbilstība reāliem datiem veido 85.3% (R 2 =0.853). Kokrūpniecības nozares attīstības prognozēšanas scenārija izveide. Pētījuma ietvaros izstrādātais simulācijas modelis ir veidots ar iespēju jebkurā brīdī to papildināt ar nepieciešamajiem mainīgajiem un funkcijām. Tādējādi modelis ir nepārtraukti ir uzlabojams un papildināms, lai iegūtu pēc iepējas plašāku apstrādāto informāciju. Modeļa simulācijas scenārijus var veidot neierobežotā skaitā. Tiklīdz tiek mainīts kaut viens no ieejas faktoriem kādā konkrētā laika periodā, veidojas jauns scenārijs ar attiecīgiem izejas rezultātiem. Lai pārbaudītu izstrādātā simulācijas modeļa darbību, tika izspēlēti divi attīstības scenāriji laika periodam no līdz gadam: 1. bāzes scenārijs, kurā apaļo kokmateriālu sortimentu pieprasījumam un kokrūpniecības eksporta produkcijas vērtībai prognozēts ikgadējs mērens pieaugums 2 līdz 5% apjomā; 22

23 2. papīrmalkas pieprasījuma krituma scenārijs, kurā apaļo kokmateriālu sortimentu (izņemot papīrmalku) pieprasījumam un kokrūpniecības eksporta produkcijas vērtībai prognozēts ikgadējs mērens pieaugums 2 līdz 5% apjomā, bet papīrmalkas apaļajaiem kokmateriāliem prognozēts ikgadējs pieprasījuma kritums 8 līdz 10% apjomā. Modeļa simulācijas izpildīšanas rezultātā iegūti aprēķinātie izejas rādītāji, no kuriem kā viens no galvenajiem ir ikgadējais ciršanas apjoms, kas raksturo koksnes pārstrādes uzņēmumiem pieejamo apaļo kokmateriālu apjomu (3.5.att.) att. Ikgadējais ciršanas apjoms dažādos apaļo kokmateriālu pieprasījuma scenārijos laika periodā no līdz gadam, milj. m 3 Modeļa apreķinātie simulācijas rezultāti uzrāda, ka bāzes scenārijā, pie dotajiem nosacījumiem, ikgadējais ciršanas apjoms pieaug no 11.2 milj.m gadā līdz 13.5 milj.m gadā. Pēc 2019.gada ciršanas apjomi nostabilizējas 13 milj.m 3 robežās. Papīrmalkas pieprasījuma krituma scenārijā kopējais ciršanas apjoms pieaug lēnāk nekā bāzes scenārijā un nepārsniedz 12.5 milj.m 3 robežu. Modeļa simulācijas rezultāti apstiprināja tā funkcionalitāti, kad, mainot modeļa dinamiskās ieejas vērtības, modeļa izejā tiek atspoguļotas attiecīgā laika perioda izejas vērtības Koksnes resursu pieejamības un patēriņa analīze Laika posmā no līdz gadam apaļo kokmateriālu pārstrādes apjoms nokritās no 6.8 milj. m gadā uz 6 milj. m gadā, kas bija saistīts ar koksnes produktu pieprasījuma kritumu globālās ekonomikas lejupslīdes apstākļos un zemajām apaļo kokmateriālu tirgus cenām. Pieaugot pieprasījumam pēc koksnes produktiem un gadā, kā arī pateicoties papildu apaļo kokmateriālu piegāžu apjomiem no valsts mežiem, gadā apaļo kokmateriālu pārstrādes apjoms sasniedza 6.9 milj. m 3. Bet un gadā, pateicoties augošai privāto meža īpašnieku aktivitātei, apaļo kokmateriālu pārstrādes apjoms pieauga līdz 7.3 milj. m 3 gadā. Tiek prognozēts, ka gadā pārstrādes apjomi būs nedaudz mazāki par gada apjomiem un nokritīsies uz 7 milj. m 3. 23

24 3.6. att. Aptaujāto kokapstrādes uzņēmumu sadalījums pēc skaita un apaļo kokmateriālu pārstrādes apjomiem un gadā, %. Rezultāti liecina, ka pieaug lielo un mazo uzņēmumu īpatsvars. Lielie uzņēmumi gadā veidoja 4%, bet gadā 6% no aptaujāto uzņēmumu kopskaita, taču pārstrādā 70% no kopējā apaļo kokmateriālu gada pārstrādes apjoma (3.6. attēls). Salīdzinājumā ar gadu lielo uzņēmumu pārstrādes apjoma īpatsvars kopējā apaļo kokmateriālu pārstrādes apjomā ir palielinājies par 4%. Šīs izmaiņas ir saistītas ar to, ka atsevišķi uzņēmumi, kuri gadā pārstrādāja mazāk par 50 tūkst. m 3 apaļo kokmateriālu gadā un tādējādi tika klasificēti kā vidēja lieluma uzņēmumi, gadā pārsniedza šo slieksni un tagad ir iekļauti lielo uzņēmumu grupā. Vidējie uzņēmumi gadā veidoja 19% no uzņēmumu kopskaita, bet pārstrādā 22% no kopējā apaļo kokmateriālu gada pārstrādes apjoma. Mazo uzņēmuma skaita īpatsvars gadā, salīdzinot ar gadu, ir palielinājies no 46% uz 54%, bet šī uzņēmumu grupa gadā pārstrādāja tikai 11% no kopējā apaļo kokmateriālu gada pārstrādes apjoma. Mikrouzņēmumu skaitam ir tendence samazināties daļa pārtrauc savu darbību, daļa nomaina savu darbības profilu un ar koksnes pirmapstrādi vairs nenodarbojas, bet daļa palielina savus pārstrādes apjomus un sasniedz mazo uzņēmumu pārstrādes apjomu līmeni, kas ir robežās no m 3 gadā. Mikrouzņēmumi pārstrādā - mazāk nekā 1% no kopējā apaļo kokmateriālu gada pārstrādes apjoma. Latvijas pirmapstrādes uzņēmumu jaudas galvenokārt koncentrētas uz skujkokiem. Skuju koku koksne no kopējā pārstrādes apjoma veido vidēji 75%. Šāda proporcija pēdējos astoņus gadus gandrīs nav mainījusies (skat att.). 24

25 3.7. att. Apaļo kokmateriālu pārstrādes apjomu dalījums pēc koku sugas 2006., 2008., un gadā, m 3. Dziļāk analizējot aptaujas rezultātus pēc pārstrādātās apaļo kokmateriālu sugas (3.8. att.) un uzņēmumu lieluma un to skaita, redzams, ka gadā 74% lielo uzņēmumu, 46% vidējo uzņēmumu un 58% mikrouzņēmumu pārstrādā tikai skujkoku apaļos kokmateriālus. Savukārt lielākā daļa mazo uzņēmumu, 37%, pārstrādā gan skujkoku, gan lapkoku apaļos kokmateriālus, 33% uzņēmumu pārstrādā tikai skujkoku, bet 30% tikai lapkoku apaļos kokmateriālus att. Uzņēmumu skaita dalījums pēc pārstrādē izmantotajiem apaļajiem kokmateriāliem un gadā, %. Aptauju rezultāti liecina, ka kokrūpniecībā vairāk pieprasīti ir vidējo un resno dimensiju apaļie kokmateriāli. Tievās dimensijas apaļie kokmateriāli pieprasīti trešajā daļā no kokapstrādes uzņēmumiem, kas pozicionējušies skujkoku resursu izmantošanā, un desmitajā daļā uzņēmumu, kas pozicionējušies lapu koku resursu izmantošanā. Tādējādi jāsecina, ka šobrīd pieejamo tievo dimensiju zāģbaļķus un 25

26 taras klučus pirmapstrādes uzņēmi nelabprāt ņem uz pārstrādi, bet papīrmalka lielākoties tiek eksportēta. Savukārt resno dimensiju zāģbaļķus pārstrādei labprāt pieņem 85% skujkoku pārstrādātāju un 89% lapkoku pārstrādātāju. Jautājot pirmapstrādes uzņēmumiem, kas ir viņu ražošanas galaprodukti pirmapstrādes (zāģmateriāli, taras dēļi, guļbūvju baļķi, finieris, saplāksnis, plātņu materiāli, malka) vai tālākapstrādes (mēbeles, līmētās brusas, koka paletes, logi un durvis, galdniecības un namdaru izstrādājumi) produkti, tikai 33% no lielajiem uzņēmumiem atzina, ka viņi ražo tālākapstrādes produktus. Visvairāk tālākapstrādes produktu ražotāju ir vidējo un mazo uzņēmumu grupās, kur aptuveni puse no uzņēmumiem kā galaproduktu ražo tālākapstrādes produktus. Mazo uzņēmumu grupā 41% pirmapstrādes uzņēmumu nodarbojas ar tālākapstrādes produktu ražošanu. Kopumā jāsecina, ka mazie un vidējie koksnes pirmapstrādes uzņēmumi nodarbojas ar dziļāku pārstrādi, pievienojot savai saražotajai produkcijai lielāku pievienoto vērtību salīdzinājumā ar lielajiem un mikro uzņēmumiem, kuri ir vairāk orientēti tikai uz koksnes pirmreizējo apstrādi. Visi lielie uzņēmumi kā galveno savas ražotās produkcijas izmantošanas veidu minēja koksnes konstrukciju un būvdetaļu ražošanu. Gan mēbeļu rūpniecībai, gan taras ražošanai savu produkciju izgatavo 73% no lielo uzņēmumu kopskaita. Vidējie un mazie uzņēmumi galvenokārt orientējušies uz konstrukciju un būvdetaļu ražošanu (vidējie 57%, mazie 53%), kā arī uz taras ražošanu (vidējie 49%, mazie 52%), paralēli ražojot arī kokmateriālus mēbeļu rūpniecībai (vidējie 17%, mazie 24%). Mikrouzņēmumi galvenokārt koncentrējušies uz produkcijas ražošanu konstrukciju celtniecībai un būvdetaļām. Vidējais apaļo kokmateriālu transportēšanas attālums AS "Latvijas valsts meži" gadā Latgales reģionā bija 152 km, Vidzemes reģionā 126 km, Zemgales reģionā 88 km un Kurzemes reģionā 72 km. Caur Latvijas ostām gadā kopsummā tika izvesti 2.2 milj. m 3 apaļo kokmateriālu, bet gadā, atjaunojoties koksnes pieprasījumam eksporta tirgos un palielinoties privāto meža īpašnieku aktivitātei koksnes ražošanā, izvesto apaļo kokmateriālu apjoms palielinājās par 60% un sasniedza 3.5 milj. m 3. Izvesto apaļo kokmateriālu apjoms sadalās aptuveni vienādās daļās starp skuju un lapu kokiem. Vislielākais pārkrauto apaļo kokmateriālu daudzums gadā bija Rīgas brīvostā 852 tk. m 3. Ar nedaudz mazāku apjomu 743 tk. m 3 seko Liepājas osta. Skultes un Ventspils ostās gadā katrā tika pārkrauts nedaudz vairāk par 0.5 milj. m 3 apaļo kokmateriālu. Salacgrīvas ostā tika pārkrauti 451 tk. m 3, Mērsraga ostā 259 tk. m 3, bet Rojas ostā tikai 48 tk. m 3 apaļo kokmateriālu. Pa sauszemi uz Igauniju gadā tika izvesti 619 tk. m 3, bet uz Lietuvu 743 tk. m 3 apaļo kokmateriālu. Savukārt apaļo kokmateriālu sauszemes imports gadā ir bijis 239 tk. m 3 apjomā no Baltkrievijas un 187 tk. m 3 apjomā no Lietuvas. Ar pārējām valstīm apaļo kokmateriālu eksporta importa darījumi tiek veikti mazos apjomos. Latvijas apaļo kokmateriālu eksporta saldo gadā veido 3.3 milj. m 3, kas ir par 0.4 milj. m 3 mazāk nekā gadā. Šis eksporta apjoms galvenokārt sastāv no tievo dimensiju un zemas kvalitātes koksnes, kas tiek izmantota celulozes rūpniecībā un enerģētikā. Statistikas analīze liecina, ka Latvijā gadā tika izmantoti 7.1 milj. m 3, bet gadā 7.2 milj. m 3 skuju koku koksnes, kas atbilst maksimāli iespējamajam ikgadējam ciršanas apjomam (3.9. att.). 26

27 3.9. att. Skujkoku apaļo kokmateriālu izmantoto resursu bilance un gadā, milj. m 3. Skuju koku ciršanas apjomu palielināšana nākotnē nebūtu vēlama, jo Valsts meža dienesta dati liecina par negatīvām tendencēm izcirtumu apmežošanā ar skuju kokiem. Lai gan visas nocirstās platības tiek apmežotas, tomēr kopumā valstī tikai 40% no platībām tiek apmežotas ar skuju kokiem. Tas nākotnē var izraisīt skuju koku koksnes deficītu att. Lapkoku apaļo kokmateriālu izmantoto resursu bilance un gadā, milj. m 3. Pretēji rezultāti tika iegūti par lapu koku resursu izmantošanas apjomiem un iespējām (skatīt attēlu). Lai gan uzkrājušās ievērojamas mīksto lapu koku rezerves, resursi netiek pietiekami izmantoti. Tie turpina uzkrāties. Pirmapstrādes uzņēmumos tiek izmantoti vien 1.8 milj. m 3 no aprēķinātajiem ikgadējiem izmantošanai pieejamiem 8.6 milj. m 3 koksnes. Kopumā ņemot, par pozitīvām tendencēm liecina pirmapstrādes uzņēmumos apstrādātās koksnes apjoms, kas 2 gadu laikā ir pieaudzis par 0.5 milj. m 3. Vairākums lielo un vidējo ražotņu atrodas lielo pilsētu tuvumā vai netālu no valsts galvenajiem autoceļiem (3.11. att.). Tas nodrošina gan ērtāku apaļo kokmateriālu piegādi uz ražotni, gan saražotās produkcijas transportēšanu tālāk pie klienta. Lielo 27

28 pilsētu tuvumā ražotnēm ir arī pieejamāks kvalificētais darbaspēks, iepretī tam, kā tas ir ražotnēm, kas atrodas tālu no blīvi apdzīvotām vietām att. Pirmapstrādes ražotņu ģeogrāfiskais izvietojums, ostu eksports un pieejamie koksnes resursi attēls uzskatāmi parāda, ka reģionos, kuros salīdzinoši vājāk attīstīta infrastruktūra (Vidzemes Centrālā augstiene, Austrumlatgale), neskatoties uz pieejamajiem resursiem, trūkst vietējo pārstrādes uzņēmumu un šajos reģionos ir neizmantots koksnes pirmapstrādes potenciāls. 28

29 SECINĀJUMI UN PRIEKŠLIKUMI 1. Izvirzītā promocijas darba hipotēze tiek apstiprināta daļēji un darbā tas tiek pierādīts ar šādām tēzēm: no izanalizētajiem 77 dažādu meža nozari raksturojošo indikatoru pāriem, kuriem teorētiski vajadzētu būt kaut kādai savstarpējai sakarībai, vairākumā gadījumu sakarības ciešums bija neapmierinošs. Blokā Mežsaimniecība tikai 6 sakarībām, bet blokā Kokrūpniecība 11 sakarībām regresijas modeļa atbilstība reāliem datiem bija vismaz 30%; daļa sakarību starp ieejas un izejas faktoriem, kuras iegūtas, veicot meža nozari raksturojošo rādītāju regresijas analīzi, pašlaik sniedz pretrunīgus rezultātus; atsevišķu modeļa procesu ieejas un izejas rādītāju informācija netiek ievākta un uzglabāta vai tā nav pietiekami ticama, lai šos rādītājus pakļautu statistiskai analīzei; Latvijas kokrūpniecības attīstības prognozēšanas modelis tika izveidots un tā procesu simulācija tika realizēta datorprogrammā Powersim Studio. Modeļa darbībai nepieciešamo datu trūkums tika risināts, ieviešot dažādus algoritmus un pieņēmumus, kas balstīti uz citu pētījumu rezultātiem un nozares ekspertu zināšanām. 2. Daudzās valstīs meža nozari raksturojošie dati ir diezgan viegli pieejami un saskaņoti mežsaimniecības sektora ķēdes daļā. Savukārt tālākajos ķēdes posmos koksnes pārstrādē un produkcijas ražošanā kvalitatīvu datu pieejamība ir daudz ierobežotāka, kā arī daudzās valstīs atšķiras metodes, kā šie dati ir vērtēti. 3. Latvijā līdz šim izveidotie un lietotie meža nozares prognozēšanas modeļi galvenokārt ir koncentrēti uz mežsaimniecības sektora attīstības prognozēšanu. Savukārt MeKAs izveidotajam koksnes resursu pieprasījuma un patēriņa modelim darbības regulācijā galvenokārt tiek izmantoti koeficenti, kurus nosaka eksperti. 4. Analizējot literatūru un citu valstu pieredzi par meža nozares modeļu uzbūvi un lietošanu, promocijas darba ietvaros tika nolemts izstrādāt dinamisku simulācijas modeli, kas imitē pastāvošās sakarības Latvijas koksnes resursu sadalē, ievērtējot arī pieejamo koksnes resursu dinamiku. 5. Latvijas koksnes resursu izmantošanas un tālākas pārstrādes modelī iekļauti šādi procesi: mežizstrāde, meža atjaunošana, agrotehniskā un jaunaudžu kopšana, imports, eksports, pirmapstrāde, tālākapstrāde un enerģijas ražošana. Detalizētai šo procesu analīzei pieejamais statistisko datu kopums ir ierobežots. Tādēļ vairākums procesu tika analizēti mazākā detalizācijas pakāpē pa blokiem Mežsaimniecība un Kokrūpniecība. 6. Latvijas kokrūpniecības attīstības prognozēšanas modeļa izstrādē tika nolemts izmantot tos indikatorus, kuri vistiešākā veidā ietekmē kokrūpniecību un par kuriem informācija bija pieejama vismaz pēdējo vienpadsmit gadu garumā. Kā galvenie no tiem ir minami: nodarbināto personu skaits un mēneša vidējā bruto darba samaksa, mežu platība un krāja, izcirstā meža zemju platība un izcirstais koksnes apjoms, meža atjaunošana, meža nozares uzņēmumu neto apgrozījums, peļņa un rentabilitāte, investīciju apjoms, pievienotā vērtība, saražotās kokrūpniecības produkcijas realizācija, meža nozares eksports un imports. 7. Pētījuma ietvaros izveidotā modeļa datu apstrādes programmas prototips, realizējot lietotāja saskarsmi, iedalīts trīs daļās: 1) galvenais modelis, 2) 29

30 iestatījumi un 3) atskaites. Galvenā modeļa sadaļā atrodas modeļa shēma, kurā ir norādīti modelēšanā lietotie elementi un to saistības, un atkarībā no apzīmējuma arī to nozīme. Modeļa iestatījumu sadaļā iespējams norādīt dažādu simulācijā lietoto mainīgo sākotnējās vērtības, kā arī dinamisko mainīgo vērtības katram periodam. Modeļa atskaites sadaļu veido grafiku komponenti, kuri atspoguļo modelī lietoto mainīgo vērtības dažādos simulācijas posmos un ļauj izdarīt secinājumus par iegūtajiem rezultātiem. 8. Izstrādātais Latvijas koksnes resursu izmantošanas un tālākas pārstrādes ekonomiskās modelēšanas datu apstrādes programmas prototips ir izmantojams nevis kā precīzu nākotnes prognožu devējs, bet gan kā lēmumu pieņemšanas atbalsta rīks dažādu ja nu situāciju modelēšanai. Tādējādi modeļa simulāciju dotos rezultātus vajadzētu uztvert kā indikatīvus un tendenci raksturojošus. 9. Koksnes resursu pieejamības un patēriņa analīzes modulis perspektīvā būtu iekļaujams Latvijas kokrūpniecības attīstības prognozēšanas modelī kā atsevišķs ģeogrāfiskais modulis, kas vērtētu pieejamo koksnes resursu telpisko izvietojumu kontekstā ar koksnes pirmapstrādes uzņēmu apaļo kokmateriālu pārstrādes apjomiem attiecīgajā reģionā. 10. Latvijas kokrūpniecības prognozēšanas modeļa pilnveidošanai būtu nepieciešams izstrādāt ievācamās informācijas metodiku, kritērijus un veidus par kokrūpniecības procesiem un to kvantitatīvajiem rādītājiem, kā arī realizēt trūkstošo datu ievākšanas procesu. 11. Latvijas koksnes resursu izmantošanas un tālākas pārstrādes ekonomiskās modelēšanas datu apstrādes programmas prototipa modelis būtu papildināms ar tādu informāciju, kā produkcijas pieprasījuma sadalījums starp Latvijas un eksporta noieta tirgiem, regulāru ārvalstu tirgus tendenču analīzi, kokrūpniecības uzņēmumos izmantoto pārstrādes tehnoloģiju ietekmes novērtējumu uz dažādiem iznākuma rādītājiem produkcijas apjomiem un veidiem, nodarbinātību, ekonomiskajiem rādītājiem u.c. 30

31 TOPICALITY OF THE RESEARCH In Latvia, timber resources have a significant economical, social and ecological value as forests cover 54% of territory and timber stocks are persistently increasing year by year. In 2011 in Latvia the total wood growing stock has reached 631 million m 3 in comparison with 1935, it has increased 3.6 times. During last ten years, annual cutting volume of timber resources has been 10 to 12 million m 3 per year where approximately a half has been obtained in private forests, but the other half in state or municipal forests. Forest industry consists of two important sectors forestry and wood processing industries which are closely linked as the main final product of forestry roundwood, is raw material for wood processing. The specific weight of wood processing industry in the gross domestic product of Latvia in was ranging from 2.5 till 3.0% and in 2012 it constituted 21.5% of produce in the manufacturing industry. It is one of the industries exporting the biggest part of its produce (in % of industry s output was exported) and in total in 2012 it constituted 15.1% of all export of goods in Latvia. Since the renewal of independency in the Republic of Latvia, the technological potentialities and production capacities of wood processing companies have been continuously extended. Therefore, the question about available timber stocks and their sustainable use in a level ensuring the sustainability of the forest industry becomes increasingly topical. As a decision support system (DSS) in strategic planning for the sustainable forestry sector the programme MESTRA is used, which is concentrated on forestry industry and whose main tasks are calculations of annual cutting volumes, determination of forest value, evaluation of forestry influence on the environment, evaluation of laws and regulations on the condition of recourses, forecasting of employment development and calculations of GHG emissions. Though there is no complex decision support system for strategic planning of wood processing sector in Latvia in order to evaluate the execution of potential scenarios of decisions made depending on the possible changes of different impact indicators. THE OBJECTIVE OF THE THESIS, TASKS AND HYPOTHESIS The objective of the Doctoral Thesis is to elaborate a dynamic forecasting model of the development of wood processing sector in Latvia which would be based on the data of time trend analysis featuring forest industry and research of existing processes in forest industry. In order to achieve the objective, the following research tasks have been advanced: 1. to examine the possibilities to use different forecasting models in the wood processing sector and to choose the most appropriate for conditions of Latvia; 2. to model the influential processes and their relation of the use and processing of timber stocks; 3. to determine the indicators influencing wood processing in Latvia, their dynamics and mutual interaction; 4. to elaborate and approbate the analysis module of timber stocks availability and consumption; 31

32 5. to create and examine a prototype of the program of forecasting data processing model of wood processing development in Latvia. The following hypothesis has been proposed in the present doctoral thesis: different wood processing development scenarios in Latvia can be modelled by using indicators influencing the sector, the analysis of their dynamics and mutual interaction in combination with the research of existing processes in the sector. SCIENTIFIC NOVELTY The scientific novelty of the research within the Doctoral Thesis is constituted by the summarized scientific cognitions, which give evaluation on the potentialities of the use of different forecasting methods in order to forecast wood processing sector, and analysed mutual interactions of dynamic trends of indicators influencing wood processing sector of Latvia. PRACTICAL SIGNIFICANCE OF THE RESEARCH Practical significance of the research performed within the Doctoral Thesis is constituted by the prototype of the programme of forecasting data processing model of wood processing development in Latvia. Within the framework of the research, a module of timber stocks availability and consumption analysis was elaborated and approbated which could be used to reach the objectives defined by the policy of forest sector of Latvia, to fulfil the undertaken international liabilities, to develop strategies of forest sector, to forecast the development of wood processing and to improve laws and regulations. STRUCTURE AND VOLUME OF THE DOCTORAL THESIS The structure of the Thesis is subordinated in accordance with the promoted research tasks. The Doctoral Thesis consists of three chapters. In the first chapter the history of development of forest sector models, and forecasting models for the development of forest sector and wood processing sector developed so far by researchers in other countries are surveyed. At the end of the chapter forecasting models related to forest sector and wood processing sector developed in Latvia during the last decade. In the second chapter the theoretical substantiation and methods of the elaboration of forecasting model of wood processing sector of Latvia are described. The third chapter includes the results of the research. At the beginning of the third chapter the interconnection of indicators influencing the wood processing sector in Latvia are analysed. The main part of the chapter includes the description of structure and working principle of the prototype of data processing program of forest sector forecasting model. At the end of the chapter the analysis of resource availability and consumption of timber resources in Latvia is performed which includes the evaluation of the geographical location. The volume of the Doctoral Thesis is 109 pages; the information has been summarised in 10 tables and 34 figures, 75 literature sources have been exploited. There are 9 conclusions formulated at the end of the Thesis. 32

33 1. EVALUATION OF DIFFERENT FORECASTING METHODS AND MODELS IN WOOD PROCESSING 1.1. Prerequisites for the development of forest sector forecasting models used in Europe nowadays In 1996 Buongiorno by studying the forest sector and forest products market, revealed an increasing interest in the quantitative methods of econometrics, linear programming and system dynamics in forest sector analysis and forecasting. He also noted that when applied to forest sector markets, these methods have all shown strengths and weaknesses typical of each of them. Econometric models suffer from structural changes in the markets and statistical problems in parameter estimation due to, for example, data quality and quantity. Large forest sector models, on the other hand, often suffer from high complexity resulting in a lack of transparency and are not necessarily any better in handling structural changes in the sector than econometrics. In spite of these weaknesses, Buongiorno strongly supported a formal modelling approach, laying out basic assumptions and building on the capacities of each method Evaluation of forest sector econometric models Econometric research on forest sector modelling is focused methodologically and thematically on five themes: 1. modelling forest products demand and supply; 2. analyzing prices and testing of market integration; 3. forecasting market demand and prices in forest sector; 4. studying factors affecting industry location; 5. changes in technological development and factor demand. The majority of the published research has concentrated on two Scandinavian countries - Norway and Finland, with the rest of the studies mainly on Sweden and Austria. Demand and supply modelling of the forest sector products In forest product markets, Kangas and Niskanen used a gravity equation approach in studying trade flow patterns between European Union (EU) and Central and Eastern European access countries (CEEC), which today are the members of the EU. Their main finding was that, although trade volume increased substantially from 1993 to 1998 between Eastern and Western Europe, at the end of the period it was still below what could be expected based on the GDP of the importing country and the distance between the capitals of the exporting and importing countries, the basic explanatory variables used in gravity models. The trade of more value-added forest products was especially underdeveloped due to low production and consumption levels in CEEC, and therefore growth in trade volumes was expected. Most econometric studies on the timber trade during the decades of the 1970s and 1980s assumed a competitive open market structure and the existence of nationwide markets. More recent studies assuming or investigating imperfect competition are in the minority, despite structural evidence against perfect competition within the international trade of roundwood. Thus, taking into account changing market structures, the task of examining the degree of monopoly (or monopsony) power in roundwood markets remains still largely to be done. 33

34 Research on market integration According to the law of one price (LOP), prices provide the strongest and most clear-cut evidence of market integration. Markets are considered integrated when the LOP holds, which means that prices are developing uniformly irrespective of the seller or buyer of the product. The stochastic properties of roundwood prices and the interrelationships between regional timber prices are at the core of understanding the extent of the market and how market shocks and economic policies are being transferred to the wood markets. Regional roundwood price development is equally important in evaluating interconnections between markets and in choosing a valid statistical modelling approach for analysing market demand and supply. Since the late 1990s, research, especially in Scandinavia, has examined the integration of regional timber markets where mainly Johansen's (Johansen, 1996) cointegration method has been used to analyse price relationships in the timber market. Modelling import demand and substitution between suppliers in the sawnwood trade to Germany, it was found that the law of one price does not exist in the market. Since the end of the 20 th century, markets for energy wood have been advancing in Europe, but econometric studies on wood energy demand and supply, as well as the effect on the forest sector markets affected by this increase, has been limited to practically one country, Sweden, which has been a forerunner in advancing the use of biofuels. The research results presented evidence that the price elasticity of biofuels in Sweden is close to zero, i.e., neither the market supply nor demand is sensitive to changing prices; and the wood for biofuels and the pulpwood used for making pulp are complements to each other. Thus, a higher price of pulpwood increases both the supply of pulpwood and the supply of wood residues for bio-energy. Forecasting forest sector markets and prices Hanninen notes the growing interest in short-term economic forecasts and the need to apply new forecasting methods and data sets in forest sector markets. In forest product markets, Brannlund and colleagues applied a new multivariate methodology for paper prices based on so-called maximum autocorrelation factors and comovement between other aggregate economic time series in Sweden. The fundamental idea is to break the forecasting information in the time series into important and unimportant information, and the latter is discarded. Modelling industry location In most of the research studying the determinants of the location of pulp and paper mills using location theory and panel data, it was concluded that relative input prices seem to have little or no effect on the investment decisions of the pulp and paper industry, although labour cost and energy prices may play some role. However, waste paper recovery rate and wood raw material availability have a positive effect on decisions to build newsprint factories. Factor demand, substitution and technological change Technological change is one of the driving forces of economic development, which also applies to forest industries. Econometric literature on technical change in the pulp and paper industry in North America use simple time trend models. Andrade used panel data with 13 cross-section units on 13 EU countries for the years He found weak substitutability between labour and capital and labour and wood 34

35 and complementarity between capital and wood. Andrade forecasted that technological change will be expectedly labour-saving The synthesis of the research performed in the last decade and future application perspectives From a practical and policy point of view, the information on market structures and competition provided by the new time series econometrics methods has perhaps been the most useful part of the results of research on forest sector development. For the sector development analysis numerical large-scale partial equilibrium models on the roundwood and forest industry product markets in Europe were used. Recently, research on timber and forest industry product markets using this methodology has become more complicated, and the few attempts to forecast short-term market development have not been very successful. As well, these methods have not increased the performance of the short-term forecasting models in the forest product markets considerably. Econometrics is able to extract quantitative information on the structure and behaviour of the industry or market. The models can be used directly for forecasting and policy analysis, although the success in forest sector market forecasting has been modest. The information provided by these studies is, however, also essential in constructing numerical forest sector models. The problem with large-scale partial equilibrium models is still the lack of a theoretically well-founded numerical description of forest age class dynamics, the lack of descriptions of forest owners' preferences for the production of timber, non-timber and non-market goods, and the stochastic nature of the real world. The numerical forest sector models are well suited for policy analysis, and also for forecasting the economic development of forest sector, but the usefulness of models depends on correctly specified production technologies and on the correctness of statistically quantified economic behavioural relationships. As Buongiorno pointed out sometimes simple models concentrating on a limited issue could be easily build, used and discarded. They might provide sufficient information for analysis with a further advantage of being highly effective in use. From the future perspective it would be of utmost importance to know which economic factors affect the location of capacity expanding investments. Therefore, forest industry location decisions should be studied from a global perspective, but preferably using micro-level data. It is equally important to measure and explain technical advancement and the factors affecting it in order to make the long-term partial equilibrium models useful in scenario and policy analyses. While challenges in short-term forecasting are mainly statistical, related to the ever faster transmission of random shocks through the world economy, large-scale partial equilibrium models on the forest sector are faced with increased product dynamics and structural changes in the global industry Forest sector and wood processing sector forecasting models developed in Latvia Forest Expert is a data processing and modelling computer program created by both scientists from Forest Faculty and Information Technologies Faculty of Latvia University of Agriculture and it was developed with the objective to give support in making strategic planning decisions in forestry. With the help of the 35

36 computer program it is possible to set forest management goals and calculate alternative solution, to assess the condition of forest resources and ascertain the influence of economic activities on them. The computer program is meant to prepare forest management plan in a separate estate or in an aggregate estate irrespective of its size. Now the main users of the computer program are private forest owners, owner associations, estimators of immovable property, and providers of advisory services in forestry. The Latvian State Forest Research Institute Silava in cooperation with researchers from Latvia University of Agriculture, partly applying algorithms of the developed computer program Forest Expert, created a computer program MESTRA in The task of this computer program is to support strategic planning decisions in forestry in national level and its user is the Ministry of Agriculture of the Republic of Latvia. Both computer programs can be used in solving normative, strategic and partly tactical tasks by modelling possibilities of timber resource output depending on the following indicators: 1) economic indicators (profit interest rate, net present value, costs and income, profit); 2) social indicators (impact on employment, impact on landscape); 3) ecological indicators (CO 2 sequestration, indicators of biological diversity). The scope of both computer programs involves only forest processing sector and are not directly linked to the support of making decisions on wood processing industry. From 2004 until 2008, the Ltd. Company Institute for development and research of forest and wood products (shortened MeKA) developed a model of demand and consumption of timber stock (KRP). The developed model is created using the methodology of road research system and includes all processing sectors related to the forest sector. The forest sector system is constructed and includes those sectors which would help to analyse the competitiveness of sector s products in an international context and to develop scenarios of product development. In order to gain data on the flow of the added value within the sector, a full stage of resource flow is included in the system. The timber stocks flow system in forest sector consists of three levels logging, primary processing and after treatment. In every level the resources that are used in the next processing level are produced. Between the processing levels there is a resource market where the processing of import and export amounts is being performed. The main drawback of this model is that in the regulation of its operations mainly coefficients defined by experts are used. Analysing the literature and experience of other countries about the structure and usage of forest sector models, within the framework of the Doctoral Thesis it was decided to develop dynamic simulation model which imitates existing relationships in the distribution of timber stocks in Latvia considering also the dynamics of available timber stocks. 2. APPLIED METHODS AND MATERIAL 2.1. Elaboration methodology of forecasting model of wood processing in Latvia The elaboration of the forecasting model of the development of wood processing sector in Latvia was divided into several stages. In the first stage the general structure of the model was elaborated, the ongoing processes in the sector were described and the input and output information of each process was analysed. The second stage 36

37 involved the selection of dynamic indicators affecting wood processing sector in Latvia and the determination of their correlations. In the third stage a dynamic prototype of data processing program for economic modelling of timber stocks usage and further processing in Latvia was elaborated. The forecasting model of the development of wood processing sector in Latvia was created so that it described existing processes of forestry industry and their correlations (Fig. 2.1). The main characteristic features of processes are input and output set of information data. It conceptually describes the processes of logging, forest regeneration, agro technical and young stand tending, import, export, primary processing, further processing and energy timber generation. For practical utilization a model prototype version was created where different round wood logging scenarios are modelled in the forest management planning program prototype Forest expert. Figure 2.1. Operation principle of simulation model. Figure prepared with program MS Visio Drawing Thereafter, using the collected results, a dynamic model is created that allows to imitate the treatment process procedures in a fixed period of time with a defined input values. For the usage of correlation forecasting of round wood dimension groups in a division by tree species (pine, spruce, birch, black alder, aspen) the Latvian State Forest Research Institute Silava data base of forest resources in Latvia over an area of 1.23 million ha were used, and data were processed in program prototype Forest expert. Wood resources of Latvia available for economic utilization initially were calculated for the next century, but for further calculations the data of the nearest three decades were used, which were divided in time periods by years. Available dimension groups are recalculated in assortments of round wood which are then divided by processing sectors following the historical balance of timber usage. To evaluate the influence of prices, demand and volume on processes of forestry and wood processing sector, a simulation that imitates existing relations in the distribution of forest resources in Latvia was created. Historical data are collected in such way that they characterize the quantitative features of examined processes, and if possible qualitative features as well. The main task of the model in this case is a further data interpretation and forecast composing. The main precondition in the improvement of model operation precision is the historical data volume and quality provision that in practice causes the biggest problems because the necessary information of several groups are not being collected and kept. For the realization of the simulation program of the processes of wood processing sector using the software Powersim Studio this problem is solved by implementing different assumptions that are based on the results of other research and on the knowledge of experts in this industry. 37

38 2.2. Detailed structure of the process model It was decided to use those indicators in the elaboration of the forecasting model which have a direct impact on wood processing sector. The following could be mentioned as the main: number of employees and average gross wage, area of forest land and stock volume of forest stand, area of felled forest land, volume of felled timber, area of regenerated forest land, net turnover, profit and profitability of forest sector enterprises, investments, value added, sales of manufactured products, import and export of forest industry. In order to understand better the processes to be modelled, their interaction and relationships, a model was created that conceptually describes the existing processes in forest sector, their input and out information flows. (Fig. 2.2) Figure 2.2. Conceptual model of forest sector describing existing processes and their relationships in the sector. Figure prepared with program MS Visio Drawing. For construction of model so called black box principle was used which is common in modelling and analyzing different solutions of information technologies. In this case the process is described without going in details about its structure and its ongoing activities. The main characteristic feature of the process is a set of information about input and output. The processes which are included in the model are logging, forest regeneration, tending of young stands, imports, exports, primary wood processing, further wood processing and energy production. To simplify the initial version according to the available data set, processes of logging, forest regeneration, tending of young stands are viewed as a single process Forestry. Similarly also primary and further wood 38

39 processing processes are analyzed as a single process Wood processing. Main reason for this kind of analysis is the limited set of statistical information that does not allow creating a more detailed analysis of all processes in the model. In the Forestry model input and output information is shown for every element where the output data of one process can serve as initial information for another process Selection of indicators having impact on the sector and the analysis of correlation Wood processing companies in Latvia are closely linked with forestry companies which are the main wood suppliers to wood processing industry. Therefore, searching for and selecting indicators that have an impact on wood processing in Latvia, all indicators of forest sector were viewed. For analysis of indicators that describe forest processing industry only those indicators were selected which had information for at least last eleven years. This minimal length of time series was necessary to get as feasible data as possible from simple and multiple linear regression analysis of the indices. The indicators were searched in publicly available internet resources the websites of Central Statistical Administration, the Ministry of Agriculture of the Republic of Latvia and State Forest Service. The mutual impact of different indicators was performed for 77 pairs of indices which theoretically could have significant relations. For each pair of indices simple or multiple linear regression analysis were made. Based on regression analysis, the correspondence with the real data was determined for each pair of indices where coefficient of determination (R 2 ) and model of regression was calculated Elaboration of the prototype of forecasting model of Latvian wood processing industry To elaborate the prototype of forecasting model of Latvian wood processing industry the simulation software Powersim Studio was used and which is meant to elaborate dynamic optimisation models and to test functioning by analysing scenarios of different alternatives. Simulation software PowerSim Studio realises user interface which is divided in several pages where different model components can be used. It allows simplifying complicated models and makes them clearer. In the framework of this research, the model is divided into three sections - main model, settings and reports. In the main model section a model scheme is placed where used modelling elements and their relations are shown, and according to their designation their meaning as well. In the settings section it is possible to indicate the initial values of different variables used in simulation, as well as values of dynamic variables for each period. In the report section the user of the simulation model can view the calculated indices of the performed simulation which were obtained in the result of performing the model Elaboration of the analysis model of timber stocks availability and consumption In order to set restriction for consumption of round wood for primary wood processing companies of Latvia and for long-term provision of raw materials, a separate model was elaborated solving the following tasks: 39

40 1. to perform monitoring of primary wood processing companies in Latvia and eliciting: round wood processing volumes from 2009 till 2012; how their processing volumes are divided between softwoods and hardwoods; processed round wood assortments; assortment of produced materials; geographical location of production units of wood processing companies; average delivery distance of round timber; 2. to carry out a survey in the ports of Latvia in order to find out the volume of reloaded round timber in 2009 and 2010; 3. to assess the geographical location of available timber stocks and their consumption. The monitoring of primary wood processing companies in Latvia was carried out by phone call interviews, performing the questionnaire twice in 2011 and in Data obtained during the questionnaire were analyzed for years 2006 to The Data for 2006 was obtained from the survey performed by the Latvian Forest Industry Federation in 2007, but the data for were obtained from the surveys performed by the Forest Faculty of Latvia University of Agriculture. Analysing primary wood processing companies, they were divided into groups according to their round wood processing volumes in 2010 and 2012: large - above m 3 annually; middle - 10'001-50'000 m 3 annually; small - 1'001-10'000 m 3 annually; micro - below 1'000 m 3 annually. Additionally, companies were divided by tree species they process softwood, hardwood or both. To clarify the average delivery distance of round wood, the biggest round wood producer and supplier Joint Stock Company Latvia State Forests was surveyed and the average delivery distances were obtained in different regions of Latvia. To clarify the volumes of reloaded round wood, all biggest ports of Latvia Liepaja, Ventspils, Roja, Mersrags, Riga, Skulte and Salacgriva were surveyed. To assess the geographical location of available timber stocks and round wood consumption, the data base of State Forest Register of State Forest Service was used. Using the specialised forest management planning program Forest Expert, the timber stocks available in Latvia for economic activities within the next century and divided in ten year periods were calculated. Initially, these calculations were performed for felling area by timber ready for cutting and later their optimisation was performed so that net present value of timber stocks would not decrease and cutting volumes would be balanced with increase of forest value. Thus the available timber stocks the main growing stock of round wood and tending stock for cutting - for sustainable utilization were determined within the scope of the areas of Latvia. Forest areas with restrictions on economic activities were excluded from the calculations of available round wood for sustainable utilization. Growing stock was calculated separately for softwood and hardwood. For the visualisation of available timber resources the calculated growing stock for sustainable utilization by the areas of Latvia on average per year within the first decade was used. In order to have better comparable data by areas, the available growing stock in every area was calculated from one hectare of forest lands without any restrictions on economic activities. The geographical location of round wood 40

41 consumption was analysed by dividing processing companies both by the processing volumes per year and by the tree species used in processing. For the visualisation of the results on the map of Latvia, software Quantum GIS was used. 3. RESULTS AND DISCUSSION 3.1. Interrelation analysis of influential indicators of wood processing industry of Latvia The study demonstrates and describes the analysed relations between input and output set of factors, whose regression model s correspondence to real data was at least 30 %. Relations were divided into two model blocks: Forestry and Wood processing. The Forestry block s input and output factor relation regression analysis shows that not always there is a significant relation between the chosen factors of the model. The net turnover of forest industry companies of forestry and logging (million, LVL) is significantly dependent (p<0.01) on the non-financial investments of these companies (actual prices, thousand LVL). Turnover of forestry and logging companies increases to 3.9 thousand LVL (EUR 5.5 thousand) if the amount of nonfinancial investments in forestry and logging companies increases by one thousand LVL and model correspondence to real data is 61.7 % (R 2 =0.617). The forest industry turnovers of forestry and logging companies after taxes (million, LVL) is significantly dependent (p<0.05) on the amount of non-financial investments in companies of forestry and logging (actual prices, thousand LVL). The profit after taxes of forestry and logging companies increases for 931 LVL (EUR 1324) if amount of non-financial investments in forestry and logging companies increases by one thousand LVL and model correspondence to real data is 50.5 % (R 2 =0.505). The Forestry block s Logging process relation regression analysis of input and output factors shows that the export of forest industry, round wood (thousand m 3 ) is significantly dependent (p<0.05) on growing stock (million m 3 ). Furthermore, forest industry export, round wood, increases for thousand m 3 if growing stock increases by one m 3 and model correspondence to real data is 28.9 % (R 2 =0.289). It must be noted that coefficient of determination R 2 =0.289 describes the chosen model s suitability for effective forecasting of feature. Taking into account that coefficient of determination is not sufficiently high, then also single-factor regression model usage for forest industry export (round wood) forecasting is not possible. In the same time, model affirms that growing stock factor is significant and it must be included in the multi-factor regression model. The Forestry block s Forest regeneration process relation regression analysis of input and output factors shows that forest regeneration (thousand ha) is significantly dependent (p<0.01) on total area of final felling (ha). In addition, forest regeneration increases for 0.6 ha, if final felling increases for 1 ha and model correspondence to real data is 42.1 %, because coefficient of determination is R 2 = The Wood processing block s relation regression analysis of input and output factors shows that not in all cases there is a significant relation between selected factors of model. The profit after taxes of forest industry companies by types of operations (wood and wood product production, furniture manufacturing) (million LVL) is significantly 41

42 dependent on volume of logged wood, million m 3 (p<0.05), type of operation (p<0.05), the correlation effect of both factors (p<0.05), and model s correspondence to real data is 47.4 % (R 2 =0.474). The total number of employed persons in furniture manufacturing (thousands) is significantly dependent on non-financial investments of forest industry furniture manufacturing companies, in actual prices, thousand LVL (p<0.05) and model correspondence to real data is 37.4 % (R 2 =0.374). The net turnover of forest industry companies in wood and wood product production (million LVL) is significantly dependent on non-financial investments of forest industry companies of wood and wood product production, in actual prices, thousand LVL (p<0.05) and model correspondence to real data is 47.2 % (R 2 =0.472). The net turnover of forest industry furniture manufacturing companies (million LVL) is significantly dependent on non-financial investments of forest industry furniture manufacturing companies, in actual prices, thousand LVL (p<0.001) and model correspondence to real data is 79.4 % (R 2 =0.794). The value added of forest industry furniture manufacturing companies, in actual prices (thousand LVL) is significantly dependent on non-financial investments of forest industry furniture manufacturing companies, in actual prices, thousand LVL (p<0.05) and model correspondence to real data is 44.3 % (R 2 =0.443) Data processing program prototype of wood processing industry development forecasting model With the help of Powersim Studio software, the developed forecasting model of Latvian wood processing industry imitates the processes of material flow and their transformations that exist in nature. For example, initially in input the model evaluates the available growing stock volume, and basing on it a logging volume is defined for a specific period of time. Logging volume is defined as a function which s result is influenced by the existing demand and the available stock volume in the given period of time. The available amount of stock volume in the model is taken from the data that was developed after the forestry management planning by Forest Expert software. When establishing the logging volume the available stock volume indicates the maximum of available volume that cannot be exceeded during the imitation process. The demand that is directly influencing the logging volume in the imitated system model is realised as a function which s result determines the demand of assortment treatment. In the result of this material flow the model is imitating changes of logging volumes according to the existing assortment demand. Afterwards, in the framework of the model, the logged stock volume accordingly to the Forest Expert system s definite division is divided and counted in the round wood dimension groups that for further calculations are combined in round wood assortment groups and material types for production. For the realisation of model several range variables were created that allows to realise each element of model as an array for which s indexation previously defined ranges are used. Such approach decreases the total graphical element count of the model. Range variables of the model with their definite values are: dimension groups - large, middle, small, pulpwood, firewood and residues; assortments saw logs, veneer logs, pulpwood and firewood; production types plywood and veneer, fibreboard, oriented strand board, packaging wood, pillars, garden production, materials for construction and materials for furniture; 42

43 export product types - veneers, particle boards, plywood, sawn wood and round wood. In the further realisation of the model several variables are used which s values defines the division of production and are used to accumulate different total values. The basic activities of the model are realised using functions that describe the changes of flows during a definite period of time. For example, the necessary volume of logging (million m 3 ) is determined with the following algorithm:, where NC - necessary volume of logging (million m 3 ); d coefficient of dimensions (imported from Forest Expert system); s demand of assortments; SK coefficient of assortments. (1) In the framework of the study, various algorithms were developed, that were included in the simulation model: available round wood volume in the period by dimension groups (million m 3 ); volumes of saw logs, veneer logs, pulpwood and firewood (million m 3 ); volume of processing in the period (million m 3 ); final product production (physical unit); round wood export balance (million m 3 ); turnover of furniture production companies (million LVL); turnover of wood and wood product production companies (million LVL); etc. Simulation environment Powersim Studio implements the interaction of user, which is divided into several pages, where user to his needs can fill in various model components. That allows simplifying difficult models and makes them clearer. In the framework of study, the developed model is divided into three parts Main model, Settings and Reports. The model s scheme is located in the section of Main model, where used elements and their relations are shown, and also their meanings depending on designation. 43

44 Figure 3.1. Structure of simulation model for calculation of logging volumes and obtained amount of round wood assortments Figure 3.1. shows a part of model where a flow is modelled that describes logging volume changes according to treatment material demand, and also defines the available round wood assortment volume in each period. The indicators determining the flow are: logging volumes in a period that determines the volumes that will be logged in the specific periods of planning; the available resource volumes in a period by dimension groups that determines how the logged volumes are divided; treatment volumes in a period, which determine what round wood assortment volumes are received. Previously mentioned indicators are directly influenced by Assortment demand which is one of the most important values in the model settings because according to them a necessary round wood logging volume in a period is defined, as well as the expected round wood assortments. To determine the treatment volumes for each period, model consists of several degree algorithms that allow calculating the volumes of veneer logs, saw logs, pulpwood and firewood. The obtained results further are summarised and it is determined whether in any of round wood assortment groups a deficit is not occurring (Fig. 3.2.). 44

45 Figure 3.2. Structure of simulation model for determination of timber processing result indicators According to MeKA study, the obtainable production volumes are calculated after determining the available round wood assortment volumes. The received assortment determines the volume that goes to the final product production in Latvia, wood residues that comes from production process, and round wood export balance. In the Settings section of model, it s possible to fill in different initial values of variables used in the simulation, and also the dynamic variable values for each period. 14 Demand of saw log assortment, mill.m Non-commercial use only! Figure 3.3. Example of setting dynamic variable value input components Figure 3.3 shows the dynamic variable value input components that allow indicating the corresponding value for each planning period (a year in this case). The 45

46 setting is performed by moving columns that characterises values shown in the figure. In the model, before starting the simulation, it is possible to set values for such variables: assortment demand for each of the viewed assortment types (saw logs, veneer logs, pulpwood and firewood); Export product values veneers, particle boards, plywood, sawn wood and round wood. In addition, in the Setting section it is possible to set Logging volume time changes which using the function in the simulation settings gives a period during which the increase of logging volume will reach a level that is needed to satisfy the demand changes. Logging volume values for periods can be changed from 0 to 2 of quarter periods. The developed model has been created to be used together with the software Forest Expert, but if required it is possible to use it separately entering the available stock volumes in the periods and the obtainable dimension group coefficient. Figure 3.4. Assortment coefficient management Figure 3.4 shows the two components that allow indicating the preferable round wood dimension group division coefficients. First is created using column chart in which before the modelling it is possible to move the columns in the preferable direction. Second is a table in which precise preferable values are entered. By changing these values, model user must follow that the sum of all coefficients would form 1 or 100%, or in other case an error notification will be shown and simulation process will not start. In a case when simulation is performed without the Forest Expert program, user must indicate the available growing stock volume in each period. The Reports section of the model is mainly formed by column components, which displays used variable values of the model used in different simulation periods and allows drawing conclusions about the obtained results. At the moment, the Report section includes 9 diagrams that characterises logging volumes per years, produced materials per dimensions, produced materials per assortment types, final product 46