Introduzione
Regional Multi Agent Simulator (RegMAS) è un software open-source che, partendo dai dati censuari, della banca dati RICA e dai dati cartografici di uso del suolo, permette all'utilizzatore di studiare gli effetti di diversi scenari di policy sulle strutture agricole e sul territorio di una data regione.
In RegMAS i sistemi rurali, ed in particolare quelli agricoli, vengono concepiti come sistemi evolutivi complessi, composti da un insieme eterogeneo di “agenti” (nel nostro caso agricoltori) che agiscono individualmente nel sistema. Ciascun agricoltore pianifica la propria attività aziendale tramite la risoluzione di uno specifico problema di programmazione lineare, quindi partecipa al mercato fondiario ed utilizza le risorse acquisite negli anni precedenti per aumentare la propria competitività.
In RegMAS la dimensione spaziale, che è organizzata in livelli, viene inizializzata a partire da informazioni tele-rilevate di uso del suolo (pubblicamente disponibili in tutta Europa attraverso il progetto Corine), ed i singoli appezzamenti di terreno vengono individualmente inclusi nelle matrici di programmazione lineare degli agricoltori come risorse. Questo approccio permette un'analisi molto dettagliata, in quanto le decisioni degli agricoltori possono basarsi sulle proprietà dei diversi appezzamenti (ad es. la produttività, a sua volta dipendente dall’altimetria) ed i risultati dell'attività agricola possono essere direttamente rappresentati nello spazio territoriale e, per esempio, valutati da un punto di vista ambientale o paesaggistico.
La caratteristica di essere open-source permette l'utilizzo gratuito del software, la piena trasparenza delle modalità attraverso cui opera (i suoi algoritmi sono pubblicamente disponibili) e la possibilità di modificarlo secondo le proprie esigenze. La Figura 1 mostra il programma al termine di una simulazione, visualizzando sulla sinistra una mappa della regione di riferimento (il livello visualizzato corrisponde all’uso del suolo) e sulla destra alcune informazioni riguardanti lo stato corrente del modello.
Dopo una sintetica descrizione dei principali elementi di RegMAS, questo breve articolo propone un’applicazione di RegMAS al cosiddetto “Health Check” della Politica Agricola Comunitaria (PAC), implementato in un'area medio-collinare dell'entroterra marchigiano (1). In particolare vengono qui considerati i seguenti aspetti della riforma: a) la migrazione del sistema di calcolo del Pagamento Unico Aziendale (PUA) da una base storica ad una regionale, ove i sussidi per ettaro vengono cioè resi omogenei su tutta l'area; b) l'aumento della modulazione obbligatoria, cioè dello spostamento di risorse dal primo pilastro (PUA) alle politiche di sviluppo rurale; c) la soppressione del vincolo minimo di set-aside; d) il cosiddetto plafonamento, cioè, l’annullamento del PUA per i pagamenti di entità molto modesta e, all'opposto, la riduzione progressiva per quelli superiori ad un certo ammontare.
Figura 1 - RegMAS in esecuzione nella regione di riferimento
Aspetti metodologici
RegMAS appartiene alla categoria dei cosiddetti modelli “multi-agente”, ovvero modelli in cui la simulazione riguarda un insieme eterogeneo di agenti che interagiscono tra di loro e con l'ambiente, e dove le risultanze a livello macro emergono dai comportamenti a livello micro dei singoli agenti. Elementi caratteristici di questi modelli sono le regole di inizializzazione, ovvero la definizione dello stato iniziale degli agenti e del loro ambiente, la definizione dei loro comportamenti ed infine le modalità di interazione.
Inizializzazione
Nel nostro caso l'inizializzazione deriva da una procedura di ri-ponderazione dei dati RICA rispetto al totale regionale, ovvero da una minimizzazione della differenza, per un insieme di caratteristiche selezionate, tra la sommatoria derivante da questo set ri-ponderato ed i dati regionali desunti dal censimento. Il risultato è una regione “virtuale”, sulla quale vengono effettuate le simulazioni, composta unicamente da aziende RICA ma i cui valori aggregati (numero aziende, quantità di lavoro, tipologie di terreni..) sono simili a quelli reali (censuari) della regione oggetto di indagine.
Segue quindi l'inizializzazione sul territorio delle aziende e dei loro terreni. In questa fase vengono utilizzate le mappe di uso del suolo fornite dal Corine Land Cover, con risoluzione di 100m.
Infine, occorre definire il set delle attività (inclusi gli investimenti), le risorse ed i coefficienti tecnici che andranno a definire i problemi di ottimizzazione degli agricoltori. Questi dati possono essere reperiti in letteratura o tramite un’analisi dei dati RICA (Lobianco, 2007).
La definizione degli agenti, del set delle possibili attività e dei relativi coefficienti tecnici viene letta dal programma a partire da un semplice foglio di calcolo. Modificandolo, è possibile inserire nuove attività o modificare quelle presenti al fine soprattutto di adattarlo alle caratteristiche della regione oggetto di studio.
Comportamenti
Nel modello, gli agricoltori “agiscono” risolvendo un problema di massimizzazione lineare con attività sia di tipo continuo che di tipo discreto, ove la funzione obiettivo da massimizzare è data dal reddito famigliare. Tra le possibili scelte figurano gli aspetti finanziari, quelli legati alla disponibilità di lavoro ed alcune tra le principali colture e/o allevamenti presenti nella regione. Al fine di contenere la dimensione dei problemi di ottimizzazione, l'attività agricola risulta modellata in modo necessariamente stilizzato. L’inserimento di maggiori dettagli, però, è ovviamente possibile.
Nello stesso problema di massimizzazione gli agricoltori decidono gli investimenti che sono necessari alla loro attività. RegMAS si occupa quindi di “creare” questi oggetti di investimento, di assegnarli ai proprietari ed, infine, di gestirne il deprezzamento negli anni.
Interazione
La principale forma di interazione in RegMAS è data dalla competizione tra gli agricoltori sul mercato fondiario. Le aziende possono prendere in affitto nuovi terreni da un pool iniziale di terreni disponibili per l'affitto e dai terreni resi via via disponibili dalle aziende che abbandonano l’attività agricola, ma non possono né acquistare nuovi terreni né prendere in affitto terreni direttamente dagli altri agricoltori. In particolare il mercato fondiario è gestito come un asta dove, all'inizio del periodo produttivo, vengono “banditi” i terreni divenuti liberi per la cessazione dell'azienda o per termine naturale del contratto d’affitto. A questo punto gli agricoltori limitrofi presentano le proprie offerte, proporzionali al loro prezzo-ombra, calcolato come differenza tra i profitti attesi di quel terreno e quelli attuali, ed il terreno viene quindi aggiudicato all'azienda che ha presentato l'offerta migliore.
Il mercato fondiario è un elemento fondamentale di tutto il modello, in quanto le aziende possono crescere solo “a spese” delle aziende limitrofe.
Simulazioni
Le simulazioni presentate in quest'articolo sono state condotte su una regione medio-collinare dell'entroterra marchigiano, composta da 24 comuni della provincia di Ancona lungo la media valle Esina, con circa 50.000 ha di SAU. Nel censimento 2001 le aziende agricole registrate in questi comuni erano circa 6.000.
La regione, come è possibile desumere dalla mappa di uso del suolo visibile nella Figura 1 (2), può essere distinta abbastanza nettamente in una fascia a nord-est, leggermente collinare, dove l'attività agricola è omogeneamente distribuita sul territorio, ed una fascia a sud-ovest con un'orografia maggiormente accentuata, dove le colture agrarie si inframmezzano a sistemi estensivi ed aree naturali.
Le simulazioni riguardano il periodo 2001-2015. Durante il periodo di riferimento, che per molte attività è stato 2001-2003, il modello “registra” i sussidi ricevuti da ciascun agricoltore e quindi ne calcola i diritti per il PUA.
Oltre ai parametri macro-economici, RegMAS permette di impostare nel modello, anno per anno ed attività per attività, i margini lordi, i coefficienti tecnici ed il regime di disaccoppiamento, ovvero se i premi relativi ad una certa attività debbano essere “registrati” come diritti per il futuro ovvero riassegnati in termini di PUA ed in tal caso in quale proporzione. Ad es. l’attività di produzione del grano duro genera diritti al premio tra il 2001 ed il 2003 e “restituisce” il 92% di tali diritti nell’ambito del PUA a partire dal 2005 (l’8% viene trattenuto ai sensi dell’art. 69 del Reg. 1782/2003).
Grazie a questa flessibilità nella specificazione del PUA nel modello, è stato possibile costruire i seguenti scenari:
Scenario di disaccoppiamento (dec)
In questo scenario l’introduzione del PUA su base storica incomincia nel 2005, la modulazione sui pagamenti sopra i 5.000 € aumenta dal 3% nel 2005 al 5% a partire dal 2007. Tutti i maggiori pagamenti sono disaccoppiati ma sussistono forti pagamenti legati alla qualità (specialmente riguardanti il grado duro) che nel modello vengono trattati come pagamenti accoppiati.
Questo scenario corrisponde approssimativamente alla riforma Fischler del 2003, incluse le scelte nazionali riguardanti l’Italia.
Scenario Health Check (hc)
Lo scenario hc rimane identico a dec fino al 2008, diversificandosi a partire dal 2009. Il calcolo del PUA viene regionalizzato, ovvero i pagamenti per ettaro vengono fissati alla media regionale. La modulazione assume maggiore rilevanza e viene introdotto il plafonamento verso l’alto e verso il basso (cioè, i piccoli pagamenti sotto 500 euro vengono totalmente soppressi). La quota minima di set aside viene abolita come pure il sostegno specifico al grano duro (ma permangono gli altri pagamenti diretti per la qualità).
Questo scenario simula l’implementazione di una ipotetica ulteriore riforma della CAP a seguito dell’“Health Check”.
La Tabella 1 riassume le caratteristiche dei due scenari (3).
Tabella 1 - Caratteristiche degli scenari implementati * fino al 2008 ipotesi identiche a dec
Risultati delle simulazioni
La Tabella 2 include i principali risultati delle simulazioni sotto gli scenari dec e hc, mostrando prima i risultati complessivi e poi suddivisi per classi di dimensione aziendale.
In particolare il numero di aziende agricole attive, e quindi la loro dimensione, sembra essere influenzato solo marginalmente dalla policy in vigore. Storicamente il tasso di abbandono delle aziende agricole in Italia è stato del 2,32% annuo (dati Eurostat 1990-2001), mentre le simulazioni effettuate nella regione riportano tassi leggermente superiori (2,7% nello scenario dec e 2,9% nello scenario hc).
Mentre le differenze tra i due scenari appaiono modeste in aggregato, andando a discriminare i risultati per classe dimensionale queste si fanno più nette. Le aziende sotto i 5 ha si contraggono in maniera molto più consistente nello scenario hc. Questo è probabilmente dovuto alla particolare costruzione dello scenario dove i piccoli pagamenti (inferiori a 500 euro di PUA) vengono soppressi.
Tabella 2 - Principali risultati
Imprese Piccole (0-5 ha)
Imprese medie (6-20 ha)
Imprese grandi (21-162 ha)
Gli effetti sulle aziende agricole della maggior modulazione introdotta dallo scenario hc diventano evidenti quando si analizza il profitto aziendale con o senza il supporto CAP. Mentre il profitto netto aumenta in tutte le classi dimensionali, probabilmente dovuto alla maggior libertà produttiva derivante dall’abbandono dell’obbligo di set-aside e dall’eliminazione del sussidio specifico per il grano duro. Quando si considera il profitto al lordo dei sussidi CAP (sia diretti che indiretti) si notano riduzioni che sono maggiori nelle classi più interessate dalla modulazione così formulata, ossia le imprese minori e quelle maggiori.
Adattare la produzione verso colture più intensive (ad es. sostituendo il set-aside) richiede anche più lavoro, sottraendolo alle attività extra-aziendali. Conseguentemente anche i redditi famigliari sembrano essere influenzati negativamente dallo scenario hc.
Figura 2 - Utilizzo dei terreni agricoli (hc_2015)
La Figura 2 riassume l’utilizzo dei terreni agricoli nella regione sotto lo scenario hc al 2015, evidenziando in rosso i terreni abbandonati.
Mentre in mancanza di dati precisi è stato usato un coefficiente molto conservativo nello stabilire la relazione tra l’altitudine e la produttività dei suoli (2% ogni 100m), è possibile comunque osservare dalla cartina che la maggior parte dei terreni abbandonati si colloca nella zona maggiormente montuosa della regione.
Occorrono ulteriori approfondimenti per confermare questo abbandono localizzato, ma è probabile che un ruolo importante sia dato dalla frammentazione che la componente agricola di questi territori presenta rispetto a quella non-agricola, frammentazione che aumenta le distanze medie tra i terreni ed i centri aziendali, e con esse i costi di trasporto rispetto a quella fascia della regione situata più ad est dove la componente agricola è maggiormente omogenea.
Nella zona montuosa i terreni lasciati liberi dalle piccole aziende che, specialmente nello scenario hc abbandonano il settore agricolo, potrebbero essere troppo lontani per essere utilizzati dalle aziende rimanenti producendo appunto il fenomeno dell’abbandono.
Le nostre simulazioni non includono comunque l’aumento dei prezzi dei prodotti che si è osservato negli ultimi mesi, quindi rimane da verificare se questi aumenti possano rallentare la fuoriuscita dal sistema di queste aziende e quindi dei loro terreni.
In conclusione, l’applicazione di RegMAS alla simulazione dello stato di salute della PAC sembrerebbe indicare che l’Health Check, mentre aumenterebbe il profitto aziendale degli agricoltori al netto dei supporti PAC, potrebbe leggermente ridurne i redditi totali, anche attraverso una riduzione del lavoro fuori-azienda. Questi effetti potrebbero essere maggiori sulle aziende più piccole e su quelle più grandi rispetto a quelle di dimensione intermedia. Inoltre, in determinate aree, in particolare i quelle montane, potrebbe aumentare il tasso di abbandono dei terreni.
Note
(1) COM 722/2007, In preparazione alla “valutazione dello stato di salute” della PAC riformata. La Comunicazione di Novembre 2007 anticipa i propositi che la Commissione intende adottare per la prossima riforma, ma questi dovranno ancora essere discussi ed accettati dai paesi membri prima del suo varo definitivo.
(2) La mappa segue la legenda ufficiale del progetto Corine, dove le aree urbanizzate sono rappresentate in rosso, quelle agricole in giallo e quelle naturali o semi-naturali in verde.
(3) Il file completo dei dati di input, in formato OpenOffice, è disponibile all’indirizzo: [link].
Riferimenti bibliografici
- Boero, R. (2006), “The spatial dimension and social simulations: a review of three books”, JASS, Journal of Artificial Societies and Social Simulation. [link]
- Happe K., Kellermann K., Balmann A. (2006), “Agent-based analysis of agricultural policies: an illustration of the agricultural policy simulator AgriPoliS, its adaptation, and behavior.”, Ecology and Society, n.1, p. 49 [pdf]
- Lobianco A. (2008), “RegMAS User Manual”, RegMAS Documentation [link]
- Lobianco A. (2007), The effects of decoupling on two Italian regions. An Agent-Based Model, PhD Studies Vol. 2, Associazione Alessandro Bartola
- Lobianco A., Esposti R. (2006), “Effetti del disaccoppiamento sulle strutture agricole. Un’analisi mediante il modello AgriPoliSMed”, Agriregionieuropa 2 (7)
- Paris. Q. (1991), “Programmazione lineare. Un’interpretazione economica.”, Il Mulino, Bologna