Articles

Application of agglomerative clustering tools to identify degrading agricultural productions and determine key support measures

Received: 15.03.2025 Published: 15.03.2025

UDC: 63+338.43+519.237.8+332 EDN: RUDLPR

Full text

Abstract

Introduction. The relevance of the study is due to: the need for automated analysis of agricultural degradation (manual data processing for all regions and crops is ineffective, and agglomerative machine clustering allows regions with similar trends to be grouped, identifying the most problematic areas); risks to food security (reduced self-sufficiency with key products requires timely government support measures, clustering helps to rank regions by threat level and optimize resource allocation); lack of a unified methodology for assessing degradation; digitalization of agriculture. Purpose. The study aims to analyze the degradation of agricultural production in the regions of the Russian Federation, particularly to identify regions with the most pronounced decline in potato and other agricultural production, as well as to develop measures to improve the situation. Methods. Clustering methods were used for the analysis, specifically the agglomerative clustering algorithm, which allowed grouping regions based on the similarity of agricultural production degradation indicators using statistical data for 2005 - 2022. Results. The regions were divided into three clusters, with Cluster 2 (42 regions) being the most degraded in terms of agricultural production. These regions show significant declines in per capita production and yield indicators. Conclusions. Cluster analysis made it possible to identify regions with the most pronounced degradation of agricultural production, enabling the development of targeted support measures, such as targeted subsidies, tax incentives, and infrastructure restoration programs, to improve the situation in these regions.

Keywords

How to cite

Для цитирования:

Галанина О.В., Золотарёва Ю.П. Применение инструментария агломеративной кластеризации для выявления деградирующих сельскохозяйственных производств и определения основных мер их поддержки // Государственное и муниципальное управление. Учёные записки. 2025. № 2. С. 94–102.

For citation:

Galanina O.V., Zolotareva Y.P. Application of agglomerative clustering tools to identify degrading agricultural productions and determine key support measures // State and Municipal Management. Scholar Notes. 2025. no. 2. P. 94–102.

How to Cite

Galanina O.V., Zolotareva Y.P. Application of agglomerative clustering tools to identify degrading agricultural productions and determine key support measures // State and Municipal Management. Scholar Notes. 2025. no. 2. P. 94–102.

References

  1. Methods' development for analysis of agricultural data in the conditions of AIC digitalization / V. E. Parfenova, Yu. G. Amagaeva, O. V. Galanina, S. A. Olenicheva // Digital Technologies in Agriculture of the Russian Federation and the World Community, Stavopol, 27–30 сентября 2021 года. Vol. 2661. – Stavopol: AIP PUBLISHING, 2022. – P. 040001. – DOI 10.1063/5.0113263.
  2. Use of intelligent technologies in agroeconomic data analysis / V. E. Parfenova, Y. G. Amagaeva, A. N. Isayenko [et al.] // IOP Conference Series: Earth and Environmental Science, Yekaterinburg, 15–16 октября 2020 года. – IOP Publishing Ltd: IOP Publishing Ltd, 2021. – P. 012044. – DOI 10.1088/1755-1315/699/1/012044.
  3. Donets, N. Yu. Feedforward Neural Networks in Forecasting the Agrarian Sector of the Economy / N. Yu. Donets, O. V. Galanina, Yu. P. Zolotareva // Digital Technologies in Agriculture of the Russian Federation and the World Community, Stavropol, 27–30 сентября 2021 года. Vol. 2661. – Stavropol: AIP PUBLISHING, 2022. – P. 040003.
  4. Протасов, Ю. М. Кластеризация регионов РФ по уровню их социально-экономического развития / Ю. М. Протасов, В. М. Юров // Вестник Московского государственного областного университета. Серия: Экономика. – 2022. – № 2. – С. 95-103. – DOI 10.18384/2310-6646-2022-2-95-103.
  5. Галанина, О. В. Кластерная модель анализа больших данных в животноводческом производстве / О. В. Галанина, Ю. П. Золотарева // Государственное и муниципальное управление. Ученые записки. – 2023. – № 3. – С. 67-74. – DOI 10.22394/2079-1690-2023-1-3-67-74.
  6. Akhmetov, K. A. Clustering of agro-industrial complex of the Republic of Kazakhstan: prerequisites, distinguishing features, correlation matrix / K. A. Akhmetov, G. O. Seidaliyeva, B. Mutalipkyzy // Problems of AgriMarket. – 2024. – No. 3. – P. 176-187. – DOI 10.46666/2024-3.2708-9991.16.
  7. Золотарева, Ю. П. Стратегическое планирование и программирование регионального и муниципального развития сельских территорий / Ю. П. Золотарева, О. В. Галанина // Известия Международной академии аграрного образования. – 2021. – № 56. – С. 69-72.
  8. Канавцев, М. В. Особенности управления ресурсным потенциалом сельских территорий в условиях ВТО. Научно-техническое и инновационное развитие АПК России / М. В. Канавцев, П. А. Нуттунен, А. Л. Попова // Научно-техническое и инновационное развитие АПК России : Труды Всероссийского совета молодых ученых и специалистов аграрных образовательных и научных учреждений, Москва, 04–06 февраля 2013 года / ФГБНУ «Росинформагротех». – М.: Российский научно-исследовательский институт информации и технико-экономических исследований по инженерно-техническому обеспечению агропромышленного комплекса, 2013. – С. 130-133.
  9. Янышев, В. И. Прогрессивные факторы противодействия процессам деградации и деиндустриализации в АПК (в контекстах оцененных эпохами преобразований, рыночных "реформ" и присоединения России к ВТО) / В. И. Янышев, Т. В. Савченко, А. Ф. Демченко // Регион: системы, экономика, управление. – 2012. – № 4(19). – С. 89-95.
  10. Тарханова, З. Э. Продовольственная безопасность государства: содержание, значение, угрозы, продовольственной безопасности / З. Э. Тарханова // Экономика и управление: проблемы, решения. – 2024. – Т. 6, № 10(151). – С. 84-90. – DOI 10.36871/ek.up.p.r.2024.10.06.010.