Сколько земли на Земле пригодно для обработки?

Поскольку население мира продолжает расти, выяснение того, сколько земли доступно, чтобы прокормить постоянно растущее население, может стать неприятной проблемой.Огромные площади земли уже используются для различных видов сельского хозяйства. Другие участки доступны для фарма, но в настоящее время не используются. А другая земля просто не подходит для земледелия.

Различия в определениях

Определение того, что считается «сельскохозяйственным», варьируется. Два часто используемых дескриптора — это «пахотная земля» и «сельскохозяйственная земля». Пахотная земля — ​​это земля, временно используемая для выращивания сельскохозяйственных культур, лугов или пастбищ, в том числе земли, целенаправленно оставленные под паром.Однако земля, считающаяся пахотной, не включает земли, потенциально пригодные для обработки. Сельскохозяйственные земли или сельскохозяйственные угодья включают пахотные земли, а также земли, используемые для выращивания многолетних культур, которые не нужно пересаживать ежегодно, а также постоянные луга и пастбища. Сельскохозяйственные земли включают фруктовые и ореховые деревья, но не включают деревья, выращиваемые для производства древесины, поскольку первые съедобны, а вторые — нет.

Современное использование

На момент написания этой статьи самые последние доступные статистические данные относятся к 2010 году, когда Всемирный банк сообщил, что около 37.7 процентов от общей площади земель считались сельскохозяйственными угодьями, а примерно 10,6 процента — пахотными. Можно провести существенное различие между тем, какая часть этой земли используется для выращивания сельскохозяйственных культур и животноводства. Спутниковые изображения, собранные учеными из Университета Висконсин-Мэдисон, показывают, что примерно 17,6 миллиона квадратных километров (6,8 миллиона квадратных миль) используются для выращивания сельскохозяйственных культур, из которых от 32 до 36 миллионов квадратных километров (12 и 14 миллионов квадратных миль) используется для выращивания скота.В общей сложности это равняется площади суши, примерно в три раза превышающей размер южноамериканского континента.

Изменчивость во времени

Количество земли, используемой для ведения сельского хозяйства, со временем меняется в зависимости от потребностей населения. Например, в 1700 году только семь процентов суши Земли использовалось для сельского хозяйства. По мере роста населения мира потребность в сельскохозяйственных угодьях соответственно возрастает и будет продолжать расти пропорционально росту населения. Например, по оценкам ученых, в 1990-х и начале 2000-х годов площадь сельскохозяйственных угодий увеличивалась примерно на 50 000 квадратных километров (19 000 квадратных миль) в год.Однако за расширение сельскохозяйственных угодий приходится платить, так как они вторгаются на земли, которые ранее использовались или которые потенциально могут быть использованы для других целей, например, для ведения лесного хозяйства. По текущим оценкам, оставшееся количество пахотных земель составляет около 27 миллионов квадратных километров (10,5 миллиона квадратных миль), большая часть которых сосредоточена в Африке, Центральной и Южной Америке.

Факторы влияния

Определенные факторы влияют на количество обрабатываемых земель, многие из которых обусловлены естественной изменчивостью, но некоторые из них связаны с деятельностью человека.Значительная часть земель непригодна для обработки из-за климата. Например, большие участки северной Канады, Сибири и всего континента Антарктиды покрыты льдом или вечной мерзлотой, а большая часть Северной Африки и Ближнего Востока состоит из пустыни; обе ситуации делают сельское хозяйство невозможным. К другим естественным факторам, сдерживающим сельское хозяйство, относятся состав почвы, каменистость и высота над уровнем моря. Человеческая деятельность также ограничила количество обрабатываемых земель, в том числе развитие и разрастание городов, загрязнение и захоронение мусора, обезлесение, засоление почв и изменение климата под влиянием человека, что в будущем может привести к таким явлениям, как опустынивание и повышение уровня моря.

60% пахотных земель находится в Африке, и у них есть миллиарды долларов инвестиционного потенциала.

Африканским банкам, страховым учреждениям и инвесторам было предложено смягчить свои строгие требования к финансированию новых предприятий агробизнеса на континенте.

Отраслевые эксперты выступили с громким призывом во время обсуждения агробизнеса на первом Африканском инвестиционном форуме в конференц-центре Sandton в Йоханнесбурге в четверг.

Участники дискуссии заявили, что это одно из нескольких узких мест, которые необходимо устранить, чтобы сектор процветал на континенте.Среди проблем, по их словам, было то, что финансовые учреждения по-прежнему скептически относились к инвестированию в мелкие фермерские хозяйства из-за предполагаемого риска, связанного с ними.

Около 60% пахотных земель в мире находится в Африке и имеет миллиарды рандов инвестиционного потенциала.

Цоколо Нчочо, исполнительный директор Земельного и сельскохозяйственного банка, призвал инвесторов найти инновационные решения, которые также помогут финансовым службам и страховым учреждениям разработать простые рыночные продукты для снижения риска.

Проблемы, по словам Нчочо, возникли из-за чрезмерного сельскохозяйственного страхования коммерческих фермеров и были недоступны для многих мелких фермеров.

«Сельское хозяйство сложно не только с точки зрения науки, но и с точки зрения логистики. Он также уязвим для природных опасностей. Сегодня фермер, выращивающий бройлеров, может столкнуться с болезнью и потерять всю свою стаю птиц — в моей организации такое случалось пару раз ».

Министр финансов Нигерии Зайнаб Шамсуна Ахмед сказал, что африканские правительства и инвесторы должны поддерживать своих молодых фермеров и верить в них, а не прятаться в чужих регионах.

«Мы продолжаем говорить о политической воле, но политическая воля также включает в себя верность самим себе. Если мы заключаем соглашение, которое должно быть реализовано, и мы разворачиваемся и впускаем [людей] из-за пределов нашего континента, мы упаковываем их и отправляем на большие рынки, тогда у нас не будет политической воли. Это часть проблемы », — сказала она.

Уильям Асико из Grow Africa утверждал, что Африке нужен трансформационный подход, чтобы стимулировать рост в секторе агробизнеса.

«У нас есть много очагов успеха, которые мы можем праздновать, но для достижения целей, которые мы ставим перед собой в Африке, мы должны быть трансформирующими».

Для этого, по словам Асико, континенту пришлось «вытащить огромное количество людей из бедности, и если мы хотим сделать это с помощью агробизнеса, мы все должны обеспечить, чтобы эти сделки включали в себя компонент инклюзивного роста. ».

«Что я имею в виду? Вы должны посмотреть на свои инвестиции и убедиться, что часть их идет людям, у которых в противном случае не было бы возможности получить прибыль », — сказал он.

Джон Джорджес Кумантарос из Flour Mills Nigeria приветствовал тот факт, что компания получила масштабную поддержку от финансовых институтов Нигерии и Африканского банка развития. Однако Кумантарос сказал, что необходимо сделать гораздо больше.

«Перед финансовыми учреждениями стоит задача: что вам нужно? Что было бы для вас стимулом инвестировать в сельское хозяйство необходимыми темпами? » он спросил.

Кумантарос задал страховым компаниям тот же вопрос.

«Что мы можем сделать, чтобы привлечь коммерческие финансовые системы для поддержки хорошей работы, которую делают [некоторые нигерийские банки]? Я надеюсь, что по мере того, как мы будем строить эту экосистему агробизнеса, инвесторы будут видеть в цепочке места, куда они могут вкладывать средства, будь то спутник или GPS на тракторах », — сказал он.

ИСТОЧНИК: НОВОСТИ ГОРОДСКОЙ ПРЕССЫ

Характеристика крупномасштабного приобретения земли посредством сетевого анализа

Abstract

Земля является дефицитным ресурсом, и ее истощение связано с сочетанием демографических и экономических факторов.Следовательно, изменения в привычках питания и рост населения мира, которые повышают спрос на продукты питания, переплетаются с контекстом повышения цен на нефть и роста зеленого капитализма, который, в свою очередь, влияет на спрос на биотопливо. Наглядным индикатором этих явлений является рост в последние годы крупномасштабных приобретений земли (LSLA) частными компаниями или государствами. Такие вложения в землю часто приводят к конфликтам с местным населением и вызывают вопросы, касающиеся прав людей, роли различных моделей производства и управления земельными ресурсами.Цель этой работы — показать, как общедоступные данные о LSLA могут быть смоделированы в сложные сетевые структуры, показывая, таким образом, как применение передовых методов сетевого анализа может быть использовано для лучшего понимания динамики торговли землей. Мы используем данные, собранные в рамках Land Matrix Initiative на LSLA, для моделирования трех наземных торговых сетей: многосекторной сети , сети с центром , горнодобывающей отрасли, и сети с центром , сельского хозяйства . Затем мы предоставляем расширенный анализ таких сетей, который включает: (i) структурный анализ, (ii) определение показателя, а именно LSLA-score , который позволяет ранжировать страны на основе их инвестиционной / целевой роли в сеть торговли землей, (iii) анализ контекста торговли землей, который учитывает рейтинг по шкале LSLA и корреляцию между характеристиками сети и несколькими показателями развития страны, (iv) анализ, сосредоточенный на обнаружении и анализе сети мотивы (т.е., повторяющиеся модели в сети торговли землей), которая дает представление о сложных и разнообразных отношениях между странами. Наш анализ показал, что рынок торговли землей в целом характеризуется динамикой глобального севера и глобального юга, даже если инвестиционная способность стран с развивающейся экономикой также оказывает большое влияние на установление отношений между различными субрегионами мира. Более того, анализ горнодобывающего и сельскохозяйственного секторов выявил, как роль нескольких стран в торговой сети может резко измениться в зависимости от инвестиционного сектора, показывая различные иерархии между инвесторами, промежуточными и целевыми странами.

Образец цитирования: Интердонато Р., Бургуан Дж., Грислен К., Зигнани М., Гайто С., Гигер М. (2020) Притча о пахотных землях: характеристика крупномасштабных приобретений земель с помощью сетевого анализа. PLoS ONE 15 (10): e0240051. https://doi.org/10.1371/journal.pone.0240051

Редактор: Стефан Кристиан Гергина, Бухарестский университет экономических исследований, РУМЫНИЯ

Поступила: 30.03.2020; Принята к печати: 17 сентября 2020 г .; Опубликовано: 13 октября 2020 г.

Авторские права: © 2020 Interdonato et al.Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Доступность данных: Данные, лежащие в основе результатов, представленных в исследовании, доступны на https://landmatrix.org/data/ (исходные данные) и на gitlab.irstea.fr/roberto.interdonato/lsla-networkanalysis (предварительно обработанные данные и код Python, использованные для экспериментов).

Финансирование: Этот документ поддержан инициативой Land Matrix.

Конкурирующие интересы: Автор С. Гайто — научный редактор PLOS ONE. Это не влияет на нашу приверженность политике PLOS ONE в отношении обмена данными и материалами.

Введение

Спрос на землю, связанный с торговлей минералами, ископаемым топливом и сельскохозяйственными товарами, оказался очень значительным. Было показано, что в итоге эта торговля приводит к вытеснению «виртуальной воды» и воплощенной земли из более бедных стран в более богатые [1–3].Коммодификация пахотных земель и их вовлечение в глобальные торговые сети также широко изучались в последние несколько лет [4, 5]. Это создает фон, на котором развивалась недавняя волна крупномасштабных захватов земель (LSLA). Мировой финансовый и продовольственный кризис, разразившийся в 2007/2009 годах, привел к ряду событий, оказавших значительное влияние на мировые рынки [6]. Политическая и экономическая нестабильность, вызванная кризисом, вызвала рост цен на продовольствие во всем мире и привела к усилению отсутствия продовольственной безопасности и голода во многих странах.В этом контексте был отмечен внезапный рост крупномасштабных национальных и транснациональных коммерческих сделок с землей, или LSLA [7], которые, хотя и не являлись новым явлением в абсолютном выражении, в этот момент привлекли все большее внимание [ 8]. Феномен LSLA является весьма спорным, он лежит в основе многих дискуссий о правах людей, моделях производства, управлении земельными ресурсами и часто может приводить к конфликтам с местным населением [9]. Одной из основных причин разногласий является дискуссия между сторонниками, подчеркивающая, как эти крупномасштабные инвестиции могут использовать ценные экономические возможности [10], и большое количество авторитетных мнений авторов и неправительственных организаций (НПО), предполагающих, что помимо этого Возможности могут заключаться в серьезном риске коррупции и серьезной угрозе средствам к существованию сельской бедноты, e.ж., потеря земли и прогрессирующая маргинализация [11–13]. Недавние исследования осуждают, что LSLA редко влечет за собой честные переговоры с фермерами [14], и что несправедливые торговые соглашения можно квалифицировать как новое проявление колониальной асимметрии власти между Глобальным Севером и Глобальным Югом [15]. В то время как сельские общины исторически жили с незащищенными земельными правами, в настоящее время темпы крупномасштабных приобретений все больше ставят под угрозу доступ людей к земле [14, 16]. Большое количество результатов исследований позволило понять социальные, экономические и экологические последствия крупномасштабного международного приобретения земли [17–28].Мета-анализ 44 научных тематических исследований, проведенных [29], показал, что во многих случаях неблагоприятное воздействие на средства к существованию было смягчено положительными воздействиями, такими как создание рабочих мест. В этой связи основной обнаруженной проблемой является отсутствие прозрачности в сделках с землей. Во многих случаях контракты между инвесторами и принимающими странами не разглашаются, а такие детали, как точные условия контрактов и точное местонахождение арендованной земли, остаются неизвестными.

По этой причине предоставление последовательных и надежных данных о различных формах сделок и о динамике такого явления является сложной задачей, которая отвечает актуальной и неотложной потребности [30].В настоящее время во многих странах сделки с землей недостаточно регулируются государственной политикой [21]. Четко установленные процедуры могут не существовать или не реализовываться из-за ограниченной политической воли или практических средств, или, кроме того, процедуры могут быть добровольными и необязательными (например, свободное предварительное и осознанное согласие, Добровольные руководящие принципы ответственного управления землевладением) . Для данной страны официальные и неофициальные источники данных (например, оценки, проводимые НПО) часто могут быть несовместимыми, и ни один из них не может точно отражать реальную ситуацию [31].Однако данные систематически собираются Инициативой Land Matrix Initiative с 2009 года. Эта база данных может считаться наиболее полной по LSLA [32]. Он поддерживается консорциумом партнеров по исследованиям и разработкам. База данных представляет собой структурированный набор информации, поступающей из нескольких различных источников, таких как правительственные данные, общественная пресса, научные публикации и добровольные пожертвования от конкретных лиц или институтов. Чтобы сохранить особый акцент на крупномасштабных приобретениях земли, в базу данных включаются только сделки, охватывающие более 200 га арендованных или проданных земель [16].База данных ориентирована на международные инвестиции в сельское хозяйство, но все больше охватывает внутренние сделки и другие сектора, такие как горнодобывающая промышленность и лесное хозяйство.

Несмотря на то, что материалы, внесенные в базу данных Land Matrix, многочисленны и разнородны, а количество перечисленных сделок с землей постоянно увеличивается, такую ​​коллекцию нельзя считать исчерпывающей. Земельная матрица признает, что некоторые искажения данных неизбежны, учитывая различия в государственной политике в отношении открытости данных, свободы и силы прессы, наличия активных фермерских организаций или существования специализированных земельных обсерваторий или проведенных конкретных научных исследований [22].Данные Land Matrix использовались в многочисленных исследованиях, посвященных различным темам, таким как вода [33, 34], общие ресурсы [14, 35], продовольственная безопасность [36], рынки труда [37] и биотопливо [38]. Для нашей темы особый интерес представляет работа по детерминантам приобретения земли [39, 40]. Оба Arezki et al. [39] и Lay and Nolte [40], используя подход гравитационной модели, уже обнаружили, что LSLA часто связаны со слабыми системами управления и дублированием прав на землю, и что богатые страны-инвесторы нацелены на более бедные страны с обильными земельными и водными ресурсами.Однако авторы [41] также показали, что во многих случаях инвесторы нацелены на районы, которые уже поддерживают значительную плотность населения, поэтому, вероятно, последует завершение земельных ресурсов. Тем не менее методы науки о данных редко использовались для извлечения новых знаний из базы данных. В таком сложном сценарии применение методов интеллектуального анализа данных и сетевого анализа позволило бы лучше охарактеризовать отношения между странами и помочь понять динамику рынка торговли землей.В литературе можно найти лишь пару работ, предлагающих подходы в этом направлении. Сиквист и др. [42] объединили данные Land Matrix и GRAIN (www.grain.org, еще одна база данных LSLA, в которой собрана информация о сделках из статей в прессе и научных публикаций), чтобы построить сеть торговли землей, которая затем анализируется с упором на ее базовую структурную характеристики (например, промежуточность, коэффициент кластеризации, ассортативность). Однако версия базы данных Land Matrix, использованная в нашей работе (база данных получена 16 января 2020 года на https: // landmatrix.org) включает в себя в три раза больше записей по сравнению с версией, проанализированной в [42], которая датируется 2012 годом, то есть 2 931 транснациональная сделка против 1 006, что делает большинство анализов устаревшими. Более того, качество данных значительно повысилось с первых лет его существования [22] благодаря обратной связи с различных сторон и появлению новых результатов исследований. Более того, в то время как авторы в [42] выполнили свой анализ, используя основные показатели сетевого анализа, в этой работе мы предлагаем более широкое исследование, которое включает введение новой оценки ( LSLA-score ), специально разработанной для данной задачи. под рукой применение современных методов для обнаружения сетевых мотивов, соответствующих статистически значимым схемам торговли землей, сравнение сетевых характеристик и показателей развития страны, а также анализ конкретных субрынков.Mechiche-Alami et al. [43] недавно предложили провести исследование транснациональных приобретений земли, сосредоточив внимание на выявлении различных фаз деятельности на рынке торговли землей в течение многих лет. Целью их исследования является скорее определение общих тенденций, которые характеризуют различные временные фазы рынка торговли землей, в то время как в этой работе мы хотим сосредоточиться на сложных отношениях между странами, также учитывая неоднородность сделок, а именно намерение инвестиций и статус реализации.В [44] мы опубликовали некоторые предварительные результаты, касающиеся использования методов сетевого анализа для анализа и описания явлений LSLA. Целью данной работы является продвижение этого многообещающего подхода, основанного на комплексном сетевом анализе, путем предоставления более широкого количественного и качественного анализа, структурированного в следующих основных статьях:

• моделирование трех земельных торговых сетей из базы данных Land Matrix Initiative: многосекторная сеть , сеть, сосредоточенная на секторе горнодобывающей промышленности , и сеть, сосредоточенная на секторе сельское хозяйство ;
• — определение балла, а именно балла LSLA , который позволяет ранжировать страны на основе их инвестиционной / целевой роли в сети торговли землей;
• структурный анализ трех сетей торговли землей;
• анализ контекста торговли землей, который учитывает рейтинг LSLA-score и корреляцию между сетевыми характеристиками (т.e., как классические меры центральности, так и оценка LSLA () и несколько показателей развития страны;
• анализ, сосредоточенный на обнаружении и анализе сетевых мотивов (т. Е. Повторяющихся закономерностей в сети торговли землей), который дает представление о статистически значимых схемах торговли землей и, как следствие, сложных отношениях между странами;

Остальная часть документа структурирована следующим образом: Раздел 1 описывает моделирование сети, обсуждает аспекты данных и ограничений, а также вводит анализ структурных характеристик наземных торговых сетей, в Разделе 2 мы представляем LSLA-score и мы используйте его для анализа контекста торговли землей, в Разделе 3 мы представляем наш анализ, основанный на сетевых мотивах, а Раздел 4 завершает работу.

1 Земельная торговая сеть Land Matrix

В этом разделе мы сначала предоставим подробную информацию о модели направленной сети, используемой в этой работе, а затем мы предоставим подробную информацию о том, как данные Land Matrix использовались для извлечения трех направленных наземных торговых сетей ( то есть, мультисекторный , горнодобывающий и сельский ), и мы обсудим возможные ограничения предлагаемого подхода к моделированию.

1.1 Сетевое моделирование

Наземную торговую сеть можно определить как стандартный ориентированный граф G = ( V , E , w ), где V — это набор узлов, представляющих страны, E — набор ребер, где наличие ребра ( u , v ) указывает на то, что компания из страны u имеет как минимум сделку по торговле землей, в которой страна v в качестве целевой страны, и является функцией взвешивания ребер.Вес края w ( u , v ) определяется как общая площадь земли (в гектарах), приобретенная страной u (т. Е. Компании, расположенные в стране u ) в стране v . В этой работе мы сосредоточимся только на транснациональных сделках по торговле землей, т. Е. Мы исключаем сделки, по которым компания-инвестор базируется в целевой стране. Обратите внимание, что некоторые сделки по торговле землей могут осуществляться более чем одной компанией и, как следствие, более чем одной страной-инвестором (т.е., что приводит к появлению нескольких ребер в сети). Чтобы обеспечить надежное представление о текущей ситуации с торговлей землей, мы моделируем торговую сеть землей на основе сделок, которые помечены как в операции в базе данных. Напомним, что база данных Land Matrix также включает в себя закрытые сделки и сделки, которые в настоящее время находятся на стадии запуска (т. Е. Земля была приобретена, но стадия добычи еще не началась), которые не были учтены в нашем анализе. Мы также исключили сделки, соответствующие расторгнутым контрактам, земля которых в настоящее время может быть частью новых сделок.

1.2 Данные и ограничения

Все транснациональные сети торговли земельными участками, использованные в данной работе (т. Е. Многоотраслевая и две отраслевые подсети торговли земельными участками), были созданы с использованием общедоступной базы данных Land Matrix Initiative (https://landmatrix.org /данные/). Основные характеристики этих наборов данных приведены в таблице 1. Код Python, а также исходные данные Land Matrix и сети торговли земельными участками, используемые в контексте этой работы, общедоступны в Интернете по адресу https: // gitlab.irstea.fr/roberto.interdonato/lsla-networkanalysis. Снимок базы данных, использованный для этой работы, был загружен 16 января 2020 года. Единственный фильтр, применяемый во время загрузки, — это фильтр для области Deal scope , транснациональной , а подмножество сделок, имеющих Текущий статус реализации равно В эксплуатации (производстве) было выбрано на этапе постобработки. Что касается подсетей горнодобывающей промышленности и сельского хозяйства , был добавлен фильтр для атрибута Намерение инвестиций .Более конкретно:

• подсеть наземной торговли Mining была получена с учетом только сделок, имеющих Mining как Намерение инвестиций ;
• Подсеть торговли землей сельское хозяйство была получена с учетом только сделок с намерением инвестирования в одну из следующих категорий: Биотопливо , Корма , Продовольственные культуры , Сельское хозяйство не указано , Животноводство , Непродовольственные сельскохозяйственные товары .

Торговые отношения моделируются на основе двух атрибутов: Ведущие материнские компании и Местоположение 1: Целевая страна . Ведущие материнские компании сообщает о компании-инвесторе данной сделки с указанием страны происхождения. Поскольку в этой работе мы проводим анализ, ориентированный на страну (т.е. каждый узел в нашей наземной торговой сети представляет страну), мы принимаем во внимание только страну происхождения, игнорируя информацию о конкретной инвестиционной компании (тем не менее, использование такой информации могут открыться интересные сценарии анализа, и это оставлено как будущая работа).

Обратите внимание, что в базе данных Land Matrix несколько компаний-инвесторов могут быть указаны под атрибутом Top материнских компаний . В этих случаях, когда эти компании находятся в разных странах, мы рассматривали сделку как принадлежащую в равной степени каждой стране с одинаковым (общим) размером сделки. Хотя это предположение приводит к завышению весов ребер, оно, на наш взгляд, является наиболее разумным в нашем сценарии анализа. Подробная информация об участии каждой компании в той или иной сделке (т.е., процент вложения) недоступен. Здесь мы решили учитывать, что данная материнская компания (и, следовательно, данная страна-инвестор) участвует в сделке определенного общего размера с данной целевой страной, независимо от фактического процента инвестиций. Этот выбор был обоснован следующим. Во-первых, мы использовали общедоступную базу данных, не вводя стороннюю информацию, которую было бы трудно получить и которая была бы доступна не во всех случаях. Во-вторых, мы ориентировали наш анализ на рассмотрение глобальных торговых отношений.Альтернативным решением могло быть разделение общего размера сделки на количество ведущих материнских компаний: хотя это может быть разумным, это привело бы к сильной недооценке важности определенных сделок, когда в них участвуют несколько компаний, что может привести к встречным последствиям. интуитивно понятные результаты в нашем сценарии. Такое же предположение было сделано при наличии нескольких значений в атрибуте Intention of investment , т. Е. Считалось, что сделки с несколькими значениями в равной степени принадлежат ко всем намерениям инвестирования.Причина этого выбора та же, что и в случае нескольких стран-инвесторов, то есть выбор использовать только общедоступную базу данных без введения сторонней информации, которую может быть трудно получить и которая применима не во всех случаях.

Как уже упоминалось, целевые страны идентифицируются с помощью атрибута Location 1: Target country базы данных. Хотя для определенных сделок в базе данных может быть указано несколько местоположений (база данных включает атрибуты от местоположения 1 до местоположения 21), во всех случаях (как проверено на снимке, использованном для этой работы), все они принадлежат одной и той же целевой стране, я.е., атрибуты от Location 2 до Location 21 (где не null) всегда относятся к разным областям в одной и той же целевой стране.

Обратите внимание, что база данных Land Matrix Initiative постоянно развивается, поэтому анализы, проведенные в этой работе, могут дать несколько иные результаты с более новыми (более поздними) версиями базы данных. Тем не менее, хотя основное внимание в этой работе уделяется моделированию и характеристике глобальных торговых отношений между странами, мы уверены, что общие результаты нашего анализа останутся значительными даже при наличии обновлений в базе данных.

1.3 Структурная характеристика наземных торговых сетей

Прежде чем углубляться в структурные свойства сетей торговли землей высокого порядка, мы обсудим их основные топологические характеристики, кратко изложенные в Таблице 2, чтобы получить общую картину того, как структурированы сделки с землей между странами.

1.3.1 Многопрофильная сеть торговли землей.

Сначала мы проверили некоторые характеристики, связанные с связностью и локальной кластеризацией сети.В частности, мы вычислили среднюю длину пути на неориентированном аналоге торговой сети, то есть среднюю длину минимального самого короткого пути среди каждой пары узлов в сети. Относительно низкая средняя длина пути на неориентированном графе (2.59) указывает на то, что наземная торговая сеть довольно компактна, т.е. в среднем пара узлов разделена двумя другими узлами страны. Кроме того, чтобы оценить локальную склонность к формированию кластерных структур вокруг узлов, мы вычислили средний коэффициент кластеризации, т.е.е. средний по локальному коэффициенту кластеризации каждого узла. Коэффициент локальной кластеризации узла — это соотношение между фактическими связями между его соседями и количеством возможных пар между ними. Средний коэффициент кластеризации (вычисленный в неориентированной сети) 0,13 указывает на определенную склонность к созданию транзитивных соединений между соседями узла.

Во-вторых, мы оценили уровень асимметрии ссылок путем измерения взаимности ссылок, т. Е.вероятность того, что если мы наблюдаем направленную ссылку ( i , j ), мы также увидим обратную связь ( j , i ). Сеть показывает чрезвычайно низкую взаимность (0,01), показывая, что взаимные инвестиции в сделки с землей между странами встречаются довольно редко. Это низкое значение неудивительно, и его можно рассматривать как количественную оценку асимметрии в сети торговли землей, которую можно рассматривать как прямое наследие колониальной державы.Асимметрия рынка наземной торговли также влияет на количество сильно связанных пар узлов, то есть пар узлов ( i , j ), которые связаны направленным путем от i до j и наоборот. Низкий процент прочно связанных пар узлов (16% для направленной средней длины пути 2,91), что подтверждает, что двунаправленные пути в нашем сценарии редки.

Подводя итог, можно сказать, что многосекторная сеть торговли земельными участками характеризуется сильной асимметрией сделок, что объясняет высокую неоднородность покупательной способности стран.Эта асимметрия влияет на цепочки (пути) сделок, которые составляют i) довольно короткие и ii) вводят своего рода ранжирование среди стран, участвующих в цепочках. Кроме того, круговые цепочки сделок не редкость и заслуживают дальнейшего изучения. Фактически, в Разделе 3 мы исследуем структуры высокого порядка, выполнив обширный анализ сетевых мотивов размера 3, 4 и 5, с целью углубить наши знания о схемах торговли землей между странами.

1.3.2 Торговые сети земельных участков

Глядя на структурные характеристики сетей торговли землей , сельское хозяйство, и , горнодобывающая промышленность, , представленных в таблице 2, можно отметить, что обе сети демонстрируют существенные различия по сравнению с многосекторной. Первый результат (относительно ожидаемый из-за меньшего количества рассматриваемых сделок и, как следствие, ссылок) состоит в том, что обе подсети менее плотны, чем многосекторная.Обе сети показывают более высокую среднюю длину пути, чем многосекторная, т. Е. 3,09 для горнодобывающей промышленности и 2,77 для самого большого подключенного компонента сельского хозяйства (сеть сельское хозяйство фактически не подключена, что приводит к бесконечному средняя длина пути из-за отключенного компонента, представленного странами Барбадоса и Гайаны). Столь низкая плотность подтверждается более низкими значениями коэффициента кластеризации и транзитивности по отношению к многосекторной сети, при этом сеть mining выглядит менее плотной, чем сеть Agriculture .

Интересно отметить, что процент взаимных ребер, уже низкий в многосекторном случае, еще ниже в этих сетях и даже равен нулю в случае Mining . Это еще раз подтверждает разделение между инвестирующими и целевыми странами и подчеркивает, насколько такие целевые страны действительно богаче с точки зрения эксплуатируемых ресурсов. Такое более сильное разделение между инвестирующими и целевыми странами (в отношении многосекторального случая) также поддерживается тем фактом, что обе подсети более дезассортативны, чем многосекторная, т.е.е. узлы в этих сетях имеют меньшую тенденцию к соединению с узлами со схожими структурными характеристиками, что означает меньшую склонность к участию в сделках со странами с аналогичным профилем. В частности, сеть для майнинга немного дезассортативна — с коэффициентом ассортативности -0,14 — что подчеркивает разрыв между Севером и Югом (и в целом между бедных и богатых стран). Различия в механизмах торговли землей , сельское хозяйство, и , горнодобывающая промышленность, (между ними и в многосекторном случае) будут подтверждены и подробно проанализированы благодаря количественному и качественному анализу, основанному на сетевых мотивах (см.Раздел 3).

2 Анализ условий торговли землей

2.1 Оценка

Моделирование базы данных Land Matrix как ориентированной взвешенной сети позволяет нам предоставить рейтинг стран на основе их статуса инвестирующих / целевых стран в контексте крупномасштабного приобретения земли, здесь мы предоставляем оценку, а именно LSLA — оценка , основанная на общей площади приобретенных и проданных земель для каждой страны, как указано в базе данных Land Matrix.Обратите внимание, что в этой работе мы будем ссылаться на проданных земельных участков в широком смысле, который включает в себя контракты различного характера (например, аренда, аренда и т. Д.).

Оценка LSLA с для каждой страны и в наземной торговой сети определяется следующим образом: (1) Чтобы предотвратить нулевое или бесконечное отношение, значения с (⋅) сглажены по Лапласу. Другими словами, оценка LSLA пропорциональна взвешенному соотношению входящих / исходящих дипломов каждой страны, т.е.е., соотношение между приобретенной и проданной землей для каждой страны. Как следствие, низкие значения LSLA-score будут соответствовать инвестирующим странам, а более высокие — целевым странам. Учитывая тот факт, что для некоторых стран это соотношение может быть сильно несбалансированным в сторону , инвестирующих или целевых профилей , добавляется логарифмическое масштабирование, чтобы сделать распределение баллов более плавным. Для простоты интерпретации ниже все значения LSLA-score масштабируются с использованием нормализации min-max, чтобы учесть значения s (⋅) в диапазоне [0, 1].

2.2 Многосекторная сеть

Перекрестная ссылка на целевые страны и отсутствие продовольственной безопасности дает интересные выводы. Индикатор глобальной продовольственной безопасности (GFSI) показывает большую корреляцию между целями инвестиций с высокой стоимостью и странами, наиболее пострадавшими от недоедания или голода. Можно было бы подумать, что инвестиции являются прямым ответом на такие условия, и что привлечение инвестиций будет разработано национальными правительствами, чтобы способствовать смягчению проблемы отсутствия продовольственной безопасности и способствовать развитию сельских районов с помощью «просачивающейся вниз экономики» [63].К сожалению, решение вопросов национальной продовольственной безопасности редко входит в компетенцию транснациональных компаний, а отсутствие продовольственной безопасности редко смягчается производством, потому что компании с большей вероятностью будут экспортировать или выращивать непродовольственные культуры (например, биотопливо) [64]. Горнодобывающая промышленность также процветает благодаря растущему спросу на горнодобывающие товары в текущих условиях перехода к энергетике [53]. Это приводит к потере земель, которые можно было использовать для выращивания продовольственных культур, и к росту цен на сельскохозяйственную продукцию на местных рынках. Доступ к продовольствию также затруднен для местного населения из-за потери сельскохозяйственного суверенитета.Эта ситуация часто приводит к напряженности между элитными владельцами и мелкими производителями и, в конечном итоге, к политической нестабильности. Перекрестный анализ индексов дает четкое сообщение, которое подтверждается метаанализом, опубликованным Всемирным банком [65]. Инвесторы выбирают государства, в которых нормы не соблюдаются, институты являются наиболее «коррумпированными правительствами или правительствами с задолженностью, не способными регулировать сделку или препятствовать тому, чтобы покупатели нацеливались на беднейшие сельские общины, изгоняя людей с нетрадиционным правом собственности на землю со своей земли» [ 7] (стр. 210).Рис. 8 подчеркивает эту ситуацию, показывая распределение баллов LSLA по шести учитываемым индикаторам развития. Легко увидеть, как в большинстве случаев диаграммы разброса иллюстрируют это повествование и тенденцию с явным значением того факта, что инвестиции нацелены на беднейшие страны, испытывающие самые слабые уровни управления и самые высокие уровни коррупции. Эту тенденцию легко заметить для WGI, CPI, HDI и GNI (Рис. 8 (a) –8 (d)) и, в меньшей степени, для GFSI (Рис. 8 (e)), который показывает более узкое распределение, сосредоточенное вокруг средний LSLA-оценка значений.Что касается биоемкости (рис. 8 (f)), этот индикатор, кажется, принимает низкие значения для большинства стран, но несколько выбросов, соответствующих странам с высокой биоемкостью и средним / низким баллом LSLA , могут быть легко идентифицированы, что подтверждает предыдущие наблюдения по этому поводу. индикатор.

3 Анализ на основе сетевых мотивов

Мы переходим от узлового подхода в анализе наземных торговых сетей к подходу, основанному на структурах высокого порядка. В частности, мы фокусируемся на сетевых мотивах, т.е.е. индуцированные подграфы, которые встречаются значительно чаще в наблюдаемой сети, чем в рандомизированной сети с идентичными свойствами. Сетевые мотивы представляют собой мощный инструмент для обнаружения существования лежащих в основе неслучайных структурных или эволюционных принципов проектирования, которые могли повлиять на рост сети. Идея сетевых мотивов была введена Мило и др. . [66] в биологических сетях с целью выявления повторяющихся чрезмерно представленных моделей взаимодействия, которые могут соответствовать функциональным или организационным строительным блокам сети.В последнее время такой инструмент доказал свою эффективность при анализе различных типов сетей, поскольку концепцию характеристики сети путем изучения ее основных строительных блоков относительно легко обобщить. Например, сетевые мотивы, даже с временными аннотациями, использовались для характеристики гомофильности и информационных каскадов в социальных сетях, коммуникативных паттернов, а также для обнаружения мошенничества в финансовых сетях или для выявления особых связей между фирмами в экономических и финансовых сетях.Мотивация, которая побудила нас провести анализ сети торговли землей на основе сетевых мотивов, заключается в том, что это позволит обнаружить корреляции более высокого порядка между субъектами (т. Е. Инвестирующими и целевыми странами), тем самым обеспечивая новое понимание динамики крупномасштабных явления отвода земли.

Подробно проанализируем направленные 3-, 4- и 5-сетевые мотивы на направленных наземных торговых сетях, пренебрегая весами ребер. Поскольку сети относительно малы по размеру, мы применяем точный алгоритм сетевого мотива, чтобы вычислить перепись всех подграфов размера 3, 4 и 5.В частности, мы принимаем современное решение, предложенное в [67] на основе g-попыток , чтобы провести перепись всех k -подграфов в исходной сети и случайных подграфов, используемых для оценки значимости. каждого подграфа. Мы генерируем 100 случайных сетей с сохранением степени входа и выхода и измеряем статистическую значимость подграфа D _k по его z-баллу Z : (2) где f ( D _k ) представляет, сколько раз подграф D _k встречается в сети G , в то время как и σ ( f _{84 rand ) соответствуют среднему значению и стандартному отклонению частоты D k в случайных сетях соответственно.Поскольку нас интересуют чрезмерно и недостаточно представленные сетевые мотивы, мы фокусируем наш анализ на сетевых мотивах с помощью | Z ( D k ) | ≥ 1 и f ( D k ) ^G ≥ 4.}

3.1 Мотивы в многосекторной сети

На рис. 9 мы представили четыре наиболее значимых сетевых мотива для размера 3, 4 и 5 для многосекторной сети. В случае k = 3 мы идентифицировали только один избыточно представленный сетевой мотив.Мотив соответствует классической петле прямой связи, схеме, характеризующей различные биологические и социальные сети. Фактически, в этой сети у нас есть инвестор из основной страны, который разделяет свои сделки на две страны, но одна из них также инвестирует в другую целевую страну. Эта специфическая структура определяет ранг среди участников мотива: основной инвестор, промежуточная страна и цель. Эта модель сделки довольно частая, и стоит отметить, что аналогичная модель, в которой отношения между основным инвестором и средней страной являются симметричными, встречается только один раз и недостаточно представлена, т.е.е. это было бы более часто в нулевой модели наземной торговой сети. В случае k = 4 мы в основном наблюдаем два типа сетевых мотивов. Первый и четвертый мотивы — это, по сути, композиция цепочек сделок. В первом мы наблюдаем страну, на которую нацелены две цепочки, одна прямая, а другая со средней страной, но без петли прямой связи. Этот шаблон недостаточно представлен, даже если он довольно частый, то есть в случайной модели, где мы поддерживаем инвестиционную способность стран, мы ожидаем, что этот шаблон будет более частым.Вторая категория чрезмерно представленных мотивов (второй и третий подграфы) отражает совместное поведение двух стран, которые инвестируют в одни и те же две целевые страны — они образуют квадрат. Такое поведение очень часто, и иногда одна из двух целевых стран инвестирует в другую. Наконец, мы отложим обсуждение наиболее значимых мотивов в случае k = 5 до Раздела 3.2, где мы сравним структуры высокого порядка многосекторной сети торговли землей с той, что наблюдается в сети торговли землей с конкретными инвестициями. секторов.

Рис. 9. Четыре наиболее значимых сетевых мотива в многосекторной сети для размера k = 3, 4, 5.

Для каждого мотива мы сообщаем его количество вхождений и его z-оценку . Для k = 3 только первый подграф удовлетворяет критериям, которые считаются значимыми, однако мы также указали второй по значимости (недопредставленный), даже если его частота равна 1.

https://doi.org/10.1371/journal.pone.0240051.g009

3.1.1 Качественный анализ.

Несмотря на то, что мы выполнили полный анализ статистически значимых сетевых мотивов размера 3, 4 и 5 в сети торговли землей, здесь мы сосредоточим обсуждение на примере для каждого размера. На рис. 10 показаны хордовые диаграммы, визуализирующие примеры мотивов размером 3, 4 и 5, с направленными краями, идущими от инвестора к целевой стране, и размерами краев, пропорциональными весам краев (то есть общему размеру приобретенной земли). Диаграммы хорды были получены с использованием библиотеки circlize R.Цель рисунка 10 — представить взаимосвязь между странами, настаивая на глобализации сделок. В частности, мы выбрали известные примеры транснациональных сделок по торговле землей, которые позволяют нам обсуждать сложные отношения между различными субрегионами мира, например, между Африкой и Ближним Востоком в мотиве размера 3, Глобальный Север и Глобальный Юг в мотив размера 4, а также отношения между странами с развивающейся экономикой (например, странами БРИКС, такими как Индия и Китай) с африканскими странами и Юго-Восточной Азией в мотиве размера 5.

Рис. 10. Хордовые диаграммы, отображающие примеры мотивов размера 3, 4 и 5 в многосекторной сети , с размерами ребер, пропорциональными весам ребер (т. Е. Общему размеру сделок между двумя странами).

https://doi.org/10.1371/journal.pone.0240051.g010

Пример размера 3 (рис. 10a) показывает ситуацию, в которой одна страна (Саудовская Аравия) инвестирует в две соседние страны (Египет и Судан). развивать сельскохозяйственную деятельность.Одна из этих целевых стран также играет роль инвестора, поскольку сельскохозяйственная деятельность развивается в той же целевой стране, образуя опережающий цикл. Эта ситуация иллюстрирует отношения, которые демонстрируют страны с высоким уровнем нехватки пахотных земель. Инвестиции каскадом направляются в страны с доступными землями или подходящей средой для инвестирования. На этой хордовой диаграмме также показаны интересы, которые могут иметь страны помимо приобретения ресурсов. В данном случае он показывает отношения между Саудовской Аравией и другими странами Африки с мусульманским большинством.Этот мотив показывает частоту 476 и z-score , равный 1,16 в многосекторной сети.

Пример размера 4 (рис. 10b) представляет собой образец, включающий две целевые страны (Бразилия и Мозамбик в примере), одна из которых также инвестирует в другую, и две страны, которые инвестируют в обе целевые страны (Великобритания и США в примере). Этот мотив имеет частоту 929 и z-оценку 2,4. В примере сети показаны огромные инвестиции из США в Бразилию (14 сделок на территории более 532 000 га).82% из них составляют инвестиции в сельское хозяйство для производства биотоплива и продовольственных культур (за которыми следуют горнодобывающая промышленность и развитие промышленности). Великобритания также инвестирует в Бразилию, чтобы переместить свое сельскохозяйственное производство. Что касается Мозамбика, конечной целевой страны в этом примере, он получает сбалансированные инвестиции из трех стран, которые нацелены на разные сектора: лесное хозяйство для связывания углерода и лесные плантации, сельское хозяйство для выращивания сои, фруктов, сахарного тростника и горнодобывающая промышленность для разработки морских газовых месторождений.

Что касается примерного мотива размера 5 (рис. 10c), то он представляет пять стран: одну целевую страну (в примере Сьерра-Леоне) и четыре страны, которые одновременно являются инвестирующими и целевыми странами (Китай, Индия, Индонезия и Шри-Ланка в пример). Этот мотив показывает частоту 16 и z-оценку 8,9. В ситуации, показанной в примере, Сьерра-Леоне получает огромные инвестиции из Индии и Китая. Индия через группу SIVA фокусируется исключительно на сельскохозяйственном производстве на площади более 120 000 га, в то время как Китай диверсифицирует инвестиции, направленные на добычу полезных ископаемых, биотопливо, биоэнергетику и продовольственные культуры на площади более 24 000 га.Также могут наблюдаться парадоксальные ситуации. Например, Китай инвестирует в Индонезию в сельскохозяйственное производство (24 000 га), и этот сектор способствует высокому уровню обезлесения в стране. С другой стороны, Индонезия инвестирует в Китай в развитие лесных плантаций площадью более 13 000 га. Скромные инвестиции из Шри-Ланки в Индию приходятся на развитие текстильной промышленности.

3.2 Мотивы на

Чтобы понять, влияет ли различное торговое поведение и механизмы на локальную структуру сетей, относящихся к различным инвестиционным секторам, мы сравнили локальную структуру сетей, приняв подход, основанный на профиле значимости SP [68].В литературе есть две меры для расчета профиля значимости сети. Первый метод основан на нормализации оценки z , определенной в уравнении 2. В этом случае профиль значимости SP сети обозначается вектором < NZ ( D ₁ ) ,…, NZ ( D _m )>, где k -й элемент NZ ( D _k ) равен: (3) где м — общее количество идентифицированных нами сетевых мотивов.Даже если горнодобывающая и сельскохозяйственная сети сопоставимы по размеру, нормализация делает сравнение более надежным даже в случаях разной плотности. Второй метод предполагает использование обилия Δ подграфа D _K , определяемого как: (4) где δ обычно устанавливается равным 4; так как нормализованная z-оценка для 4- и 5-сетевых мотивов показывает зависимость от размера сети [68]. Таким образом, из приведенного выше уравнения мы определяем профиль отношения подграфов SRP [68], т.е.е. вектор < N Δ ( D ₁ ),…, N Δ ( D _m )>, где k -й элемент.

При сравнении двух сетей мы применили оба метода, но в следующем анализе мы сосредоточимся на результатах, относящихся к профилю значимости, поскольку основные результаты не зависят от метода, используемого для оценки профиля сети, и размера двух сети сопоставимы.

На рис. 11 мы отобразили профиль значимости сетей , сельское хозяйство, и , горнодобывающая промышленность, на основе 3-, 4- и 5-направленных сетевых мотивов.В частности, для каждого инвестиционного сектора мы выделили сетевые мотивы, количество вхождений которых больше или равно 4, а затем идентифицировали набор подграфов, общих для обоих секторов. Профиль значимости каждой сети был вычислен на последнем наборе, состоящем из 89 подграфов. Из рисунка мы видим, что профили значимости для 3-сетевых мотивов очень похожи, в то время как локальные структуры двух сетей различаются все больше по мере увеличения размера подграфов.Чтобы оценить разницу между двумя профилями значимости, мы измеряем как линейную корреляцию с помощью коэффициента корреляции Пирсона r , так и ранговую корреляцию с помощью коэффициента Кендалла τ _b между профилями значимости. Что касается линейной корреляции, мы получили r = 0,27 ( p -значение <0,01), а для ранговой корреляции мы получили τ _b = 0,22 ( p -значение <0.005). Таким образом, две сети сельскохозяйственного и горнодобывающего секторов слабо коррелированы. Мы можем наблюдать эту слабую корреляцию также в данных, представленных на рис. 12. На этом рисунке мы сообщаем о пяти наиболее значимых сетевых мотивах - с точки зрения z-score — для многосекторного , сельского хозяйства и горнодобывающей промышленности. сетей с указанием их частоты и z-score . Путем проверки и сравнения структуры сетевых мотивов в многосекторной сети w.r.t. В двух других сетях мы наблюдаем, что пять наиболее значимых мотивов в первой почти состоят из триад треугольной формы, которые в основном образуют циклы и несколько петель прямой связи. С точки зрения торговой сети разница между циклом и петлей прямой связи весьма важна, поскольку они наделяют страны, участвующие в триаде, другой ролью. В первом случае, то есть в цикле, каждый элемент одинаково важен, поскольку каждая страна является источником и получателем сделки одновременно, а во втором случае, т.е.е. цикл прямой связи, существует определенная иерархия, в которой узел является «инициатором» — это только источник сделок -, узел является «целью» — это только место назначения сделок — и «промежуточным звеном» узел, который одновременно является источником и местом назначения. При такой интерпретации наиболее значимые сетевые мотивы в многосекторной сети характеризуются менее иерархической структурой, в то время как в сетях сельского хозяйства и горнодобывающей промышленности наиболее значимые мотивы состоят только из петель прямого распространения, таким образом вводя иерархия и особая роль стран, участвующих в триадах.Анализ структуры мотивов не только отмечает различие между многосекторной и двумя другими сетями, но также подчеркивает специфику некоторых мотивов в двух сетях инвестиционного сектора. В частности, все триады, составляющие мотивы, являются петлями прямого распространения (за исключением четвертого подграфа), посредством которых мы идентифицируем главного «инициатора» или не более двух «инициаторов», которые не взаимодействуют. В случае майнинговой сети мы отметили i ) преобладание мотивов с узлом, граничащим с самой плотной частью подграфа (ранг 2, 3 и 4), и ii ) мотивов, составленных тетрадами. не разложимы на триады (ранг 1 и 5).

Мотивы против антимотивов . Наконец, мы завершаем наш качественный анализ мотивов, характеризующих две сети, используя профили значимости, вычисленные в предыдущем разделе. В частности, мы вычислили расстояние между каждым подграфом сети, общим для сетей сельское хозяйство и горнодобывающей промышленности , и среди подграфа с наибольшим расстоянием мы определили тот, который является мотивом в сельскохозяйственном секторе и антимотивом в горнодобывающем секторе, и наоборот.Два соответствующих подграфа отмечены на рис. 11 синим (сельское хозяйство) и темно-оранжевым (добыча полезных ископаемых) маркерами. Что касается подграфа, который является мотивом в сети добычи полезных ископаемых ( z-оценка из 1,29) и антимотивом в сети сельское хозяйство ( z-оценка из -3,06), на рис. 15a мы сообщаем случай, который затронул Канаду, Японию, Бразилию, Мозамбик и Буркина-Фасо. Этот сетевой мотив характеризуется древовидной структурой, в которой у нас есть главный инвестор (Канада), две основные цели (Буркина-Фасо и Мозамбик) и одна страна — Бразилия, которая является одновременно целью и инвестором, даже если сумма сделки в значительной степени ориентированы на текущие сделки.В этом примере Канада заключила 8 сделок в Бразилии через 6 различных компаний по добыче ванадия, золота, марганца и железа. И наоборот, на рис. 15b мы отображаем возникновение мотива, который характеризует сеть сельское хозяйство ( z-оценка из 2,76), но не горнодобывающая промышленность ( z-оценка из -0,38). В этом случае мы можем разложить подграф на цикл с прямой связью, где Индия является инициатором, Руанда — целью, а Уганда — промежуточной страной; и V-образная триада, состоящая из Индии, Канады и Бразилии, Бразилия является целью, и ее текущие сделки поровну разделены между Индией и Канадой.Зарегистрировано девять сделок с канадской компанией по альтернативному управлению активами Brookfield, которая диверсифицирует инвестиции в продовольственные культуры, животноводство и биотопливо. Две сделки из Индии, касающиеся одной и той же целевой площади (более 100 000 га), направили свои инвестиции на сочетание биотоплива и продовольственных культур.

Рис. 15.

(a) Пример появления 5-мотива, соответствующего темно-оранжевой точке на рис. 11. Это важный подграф в сети mining , но антимотив в сельском хозяйстве один.(b) Пример появления 5-мотива, соответствующего синей точке на рис. 11. Он представляет собой мотив в сети сельское хозяйство , но антимотив в сети горнодобывающая промышленность . На обеих хордовых диаграммах размеры кромок пропорциональны весу кромок.

https://doi.org/10.1371/journal.pone.0240051.g015

4 Заключение

4.1 Резюме результатов

Результаты анализа, проведенного в этой работе, показывают, что (i) все континенты затронуты феноменом LSLA, т.е.д., динамика инвестиций в землю явно носит глобальный характер, и (ii) в этом контексте сохраняются как динамика Север-Юг (например, Франция инвестирует во Вьетнам), так и динамика Юг-Юг (например, Парагвай инвестирует в Нигерию). Тот факт, что очевидная динамика глобального Севера и Глобального Юга характеризует рынок торговли землей, является очевидным результатом всех этапов нашего анализа. Хотя тот факт, что динамика инвестиций в землю носит глобальный характер, можно наблюдать по тому факту, что сети торговли землей довольно компактны и плотны (т.е. низкая средняя длина пути, средний коэффициент кластеризации), первый намек на динамику Север-Юг уже проявляется. из определенных свойств сети (например,g., низкая взаимность, низкий процент сильно связанных пар узлов, низкая ассортативность), которые показывают, как сети характеризуются сильной асимметрией сделок.

Чтобы получить представление об этих явлениях, мы ввели показатель LSLA-Score , показатель, основанный на общей площади приобретенных и проданных земель для каждой страны, который позволяет нам ранжировать страны на основе их инвестора / целевого профиля в мировой рынок торговли землей. Если с одной стороны, анализ основан на LSLA-score (см.Раздел 2) подтвердил динамику глобального Севера и глобального Юга (также подчеркивая связь между странами-инвесторами, показывающими низкие значения LSLA-score и членами групп G20 и Парижского клуба), в другом — он позволил выявить важность стран с развивающейся экономикой. (т.е. страны БРИКС). В то время как большинство целевых стран (соответствующих высоким значениям LSLA-) фактически расположены на Глобальном Юге (из-за таких характеристик, как соответствующие климатические условия, прибыльная рабочая сила, доступные пахотные земли и вода), субрегионы, такие как На Латинскую Америку и Африку к югу от Сахары также приходится значительное общее количество приобретенных земель благодаря странам с развивающейся экономикой, таким как Бразилия и Южная Африка (средние значения балла LSLA , потому что, даже если они, как правило, имеют профиль инвестора , они также участвовали в качестве целевых стран в нескольких сделках).Анализ LSLA-score в торговой сети Mining также позволил нам выяснить, как сделки с земельными участками в основном расположены в Центральной Америке, Южной Америке, Африке и Южной Азии, куда Глобальный Север и БРИКС перемещают добычу полезных ископаемых. минералы и связанные с ними загрязнения. С другой стороны, мы отметили, что в сети сельское хозяйство важность БРИКС сильно снизилась, в то время как ведущими инвесторами были страны из Северной Америки, Западной Европы и стран Персидского залива (т.е. Саудовская Аравия и Объединенные Арабские Эмираты).

Наш анализ также показал, что динамика инвестиций в землю сильно коррелирует с показателями развития страны. Мы показали, как страны с наибольшим объемом инвестиций характеризуются более высоким уровнем развития (т.е. более высокими значениями ИПЦ, ИЧР и ВНД) и в целом соответствуют странам G20. И наоборот, основными целевыми странами являются страны с низким уровнем управления, высоким уровнем коррупции и отсутствием продовольственной безопасности. Более того, мы обнаружили интересную корреляцию между биоемкостью и между , что, возможно, указывает на то, что страны, характеризующиеся высокими значениями биоемкости, могут играть роль узловых точек в сети торговли землей.

С целью углубления наших знаний о сложных схемах торговли землей между странами, мы также выполнили обширный анализ, основанный на структурах высокого порядка, то есть сетевых мотивах размера 3, 4 и 5 на трех сетях торговли землей (см. Раздел 3). Количественный анализ показал, как, в соответствии с предыдущими анализами, наиболее значимые сетевые мотивы в многоотраслевой сети характеризуются менее иерархической структурой (например, циклов , где каждая страна может быть инвестором и целью одновременно), в то время как в сетях сельское хозяйство и майнинг наиболее значимые мотивы состоят в основном из петель с прямой связью, таким образом вводя иерархию и особую роль для стран, участвующих в триадах (т.е., инициатор , который является только источником сделок, цель , которая является только местом назначения сделок, и промежуточная страна , которая является одновременно источником и местом назначения). Количественное сравнение профилей значимости мотивов в трех сетях также подтвердило, что торговые механизмы и решения, которые определяют эволюцию инвестиционных секторов , сельское хозяйство, и , горнодобывающая промышленность, , различаются как между ними, так и по отношению к многосекторам . , что подчеркивает важность анализа сети торговли земельными участками путем дифференциации инвестиционных секторов.Наконец, качественный анализ сетевых мотивов позволил нам сосредоточиться на ярких примерах транснациональных сделок по торговле землей, проведя подробные обсуждения отношений между различными субрегионами мира, такими как Африка и Ближний Восток, Глобальный Север и Глобальный Юг, отношения. соединение развивающихся экономик со странами Африки и Юго-Восточной Азии, а также взаимодействие в масштабе нескольких континентов.

4.2 Заключительные замечания и будущая работа

В этой работе мы сосредоточились на глобальной проблеме крупномасштабного приобретения земли путем моделирования трех сетей торговли землей на основе данных, содержащихся в базе данных Land Matrix Initiative: многосекторной сети , сети, сосредоточенной на горнодобывающих предприятиях . сектор, и сеть, сосредоточенная на сельском хозяйстве .Эти сети были проанализированы с помощью современных методов сетевого анализа с целью охарактеризовать поведение различных стран на мировом рынке торговли землей и выявить повторяющиеся закономерности в динамике торговли землей. С этой целью мы определили балл, а именно балл LSLA , который оказался эффективным при ранжировании стран на основе их инвестиционной / целевой роли в сети торговли землей. Используя это сетевое представление, мы проанализировали сценарий торговли землей с количественной и качественной точки зрения, а также провели анализ, основанный на корреляции между показателями центральности и различными показателями развития страны.Мы также прибегли к сетевым мотивам (т. Е. Повторяющимся, статистически значимым подграфам), чтобы дать представление о корреляциях более высокого порядка между странами, тем самым предоставив оригинальные знания о повторяющихся моделях транснациональных сделок по торговле землей. Наш анализ показал, что рынок торговли землей в значительной степени характеризуется разделением между глобальным Севером и Глобальным Югом, что этот рынок является глобальным и включает сделки между всеми субрегионами мира и что подъем таких стран с развивающейся экономикой, как БРИКС, является феноменом. это, вероятно, будет все больше и больше влиять на рынок торговли землей в ближайшие годы.Кроме того, анализ конкретных секторов, таких как горнодобывающая промышленность и сельское хозяйство, выявил, как для нескольких стран роль в торговой сети и модели отношений с другими странами могут резко измениться с учетом различных инвестиционных секторов, а также иерархии между инвестором, промежуточным звеном. а целевые страны могут быть сильнее в конкретных инвестиционных секторах (по сравнению с многосекторным примером ).

Несмотря на то, что эта работа показала, как можно эффективно изучать крупномасштабные приобретения земель, используя комплексный сетевой анализ и методы добычи полезных ископаемых, исследования в этой области все еще могут быть продвинуты, решив несколько будущих задач.Поскольку результаты, полученные с использованием сетевых мотивов в сети торговли землей, были многообещающими, в будущем исследовании может быть рассмотрен более глубокий качественный анализ таких результатов. Например, хотя в этой работе мы сосредоточились на действующих сделках, мы можем предположить, что заметные статусы реализаций (например, заброшенные) могут показывать корреляцию с конкретными сетевыми мотивами. Еще одна проблема связана с введением временного измерения в анализ торговли землей. Временная информация о сделках, содержащаяся в базе данных Land Matrix, может использоваться для обнаружения временных последовательностей, связанных с конкретными категориями сделок (например,г., удачные / неудачные). Анализ сетевых мотивов в трех различных сетях, учтенных в этой работе (например, мультисектор , сельское хозяйство и горнодобывающая промышленность ), также открывает возможность получения иерархии стран на основе их положения. в мотивах, т. е. путем вывода из сетевых мотивов их роли в различных сетях торговли землей (например, инвестор, посредник, цель). Временная информация также может использоваться для дальнейшей характеристики стран на основе эволюции их поведения на рынке торговли землей в различные периоды времени.Например, временной ряд LSLA-score , рассчитанный для каждой страны с разными отметками времени, позволит использовать классические алгоритмы кластеризации временных рядов для обнаружения стран с аналогичными профилями торговли.

Дальнейшие шаги исследования могут касаться моделирования сети торговли земельными участками. Богатая информация, предоставляемая Land Matrix, позволит выйти за рамки страновой сети, изучаемой в этой работе, за счет использования во время моделирования сложных отношений между более широким кругом участников, таких как инвесторы, операционные компании и ведущие компании.Наконец, характеристика LSLA может быть дополнительно улучшена путем обращения к альтернативным источникам информации, которые могут включать не только онлайн-СМИ (например, данные социальных сетей, онлайн-прессу), но также данные, поступающие из журналистских расследований (например, данные из рая / Панамские документы), что может привести к обнаружению сложных отношений между участниками, выходящих за рамки рынка торговли землей.

Список литературы

1. 1. Чен Б., Хан М.Ю., Пэн К., Чжоу С.Л., Шао Л., Ву XF и др.Глобальная взаимосвязь земельных и водных ресурсов: использование сельскохозяйственных земель и пресной воды во всемирных цепочках поставок. Наука об окружающей среде в целом. 2018; 613–614: 931–943.
2. 2. Meyfroidt P, Lambin EF, Erb KH, Hertel TW. Глобализация землепользования: отдаленные факторы изменения земель и географического перемещения землепользования. Текущее мнение об экологической устойчивости. 2013; 5: 438–444.
3. 3. Weinzettel J, Hertwich EG, Peters GP, Steen-Olsen K, Galli A. Изобилие движет глобальным перемещением землепользования.Глобальное изменение окружающей среды. 2013; 23: 433–438.
4. 4. Чен GQ, Хан MY. Глобальная цепочка поставок пахотных земель: дисбаланс торговли, основанный на производстве и потреблении. Политика землепользования. 2015; 49: 118–130.
5. 5. У XD, Го JL, Хан MY, Chen GQ. Обзор использования пахотных земель для мировой экономики: от источника к потребителю через глобальную цепочку поставок. Политика землепользования. 2018; 76: 201–214.
6. 6. Scoones I, Hall R, Borras S Jr, White B, Wolford W.Политика доказательств: методологии понимания глобальной наземной лихорадки. Журнал крестьянских исследований. 2013; 40: 469–483.
7. 7. Borras SM, Hall R, Scoones I, White B, Wolford W. На пути к лучшему пониманию захвата земель. Редакционное введение. Журнал крестьянских исследований. 2011. 38 (2): 209–216.
8. 8. Зумерс А., Геккер А., Шефер М.Т. Между двумя шумихами: Помогут ли «большие данные» распутать слепые пятна в понимании «глобальной наземной лихорадки?».Геофорум. 2016; 69: 147–159.
9. 9. Де Шуттер О. Как не думать о захвате земель: три критических замечания по поводу крупномасштабных инвестиций в сельхозугодья. Журнал крестьянских исследований. 2011. 38 (2): 249–279.
10. 10. Дейнингер К., Байерли Д. Растущий глобальный интерес к сельскохозяйственным угодьям: может ли это принести устойчивые и справедливые выгоды? Журнал крестьянских исследований. 2011 ;.
11. 11. ЗЕРНО. Accaparement des terres et souveraineté alimentaire en Afrique de l’Ouest et du Centre.Контре курант. 2012 ;.
12. 12. Боррас С.М., Холл Р., Скунс И., Уайт Б., Вольффорд В. Погоня за землей в Африке: захват ресурсов или зеленая революция? Южноафриканский журнал международных отношений. 2013. 20 (1): 159–177.
13. 13. Котула Л. Права человека, природные ресурсы и инвестиционное право в глобализованном мире: оттенки серого в тени закона. Рутледж, Лондон; 2013.
14. 14. Делл’Анджело Дж., Д’Одорико П., Рулли М.С., Маршан П.Трагедия захваченных общин: принуждение и лишение собственности в глобальной земельной лихорадке. Мировое развитие. 2017; 92: 1–12.
15. 15. Адбиб Р. Крупномасштабные приобретения земель за рубежом: неолиберальные возможности или неоколониальные проблемы? Глобальные исследования, Гетеборгский университет; 2012.
16. 16. Ансиу В., Бош М., Бреу Т., Гигер М., Лэй Дж., Мессерли П. и др. Транснациональные сделки с землей для сельского хозяйства на Глобальном Юге. Аналитический отчет на основе базы данных Land Matrix; 2012 г.
17. 17. Олден Вили Л. Оглядываясь назад, чтобы заглянуть в будущее: юридические тонкости кражи земли в земельных махинациях. Журнал крестьянских исследований. 2012; 39: 751–775.
18. 18. Баумгартнер П., фон Браун Дж., Абебау Д., Мюллер М. Влияние крупномасштабных земельных инвестиций на доходы, цены и занятость: эмпирический анализ в Эфиопии. Мировое развитие. 2015; 72: 175–190.
19. 19. Боама Ф., Овера Р. Переосмысление воздействия земельных сделок на биотопливо на средства к существованию в Гане.Развитие и изменение. 2016; 47: 98–129.
20. 20. Боттацци П., Гогуэн А., Рист С. Конфликты традиционного землевладения в сельских районах Африки: является ли крупномасштабное приобретение земли движущей силой «институциональных инноваций»? Журнал крестьянских исследований. 2016; 43: 971–988.
21. 21. Котула Л., Вермёлен С., Леонард Р., Кили Дж. Захват земли или возможность развития? Инвестиции в сельское хозяйство и международные сделки с землей в Африке; 2009.
22. 22. Нолти К., Чемберлен В., Гигер М.Международные сделки с землей для сельского хозяйства. Свежие выводы из Land Matrix: Аналитический отчет II; 2016.
23. 23. Пелусо Н.Л., Лунд К. Новые границы землепользования: Введение. Журнал крестьянских исследований. 2011; 38: 667–681.
24. 24. Schoneveld GC, German LA, Nutakor E. Инвестиции в землю для развития сельских районов? Обоснованный анализ местного воздействия плантаций сырья для биотоплива в Гане. Экология и общество. 2011; п. 16.
25. 25.Шете М., Руттен М. Влияние крупномасштабного сельского хозяйства на продовольственную безопасность и уровень доходов местных сообществ — эмпирические данные из региона Оромия, Эфиопия. Политика землепользования. 2015; 47: 282–292.
26. 26. Schoneveld GC. Управление принимающей страной и земельная лихорадка в Африке: 7 причин, по которым крупномасштабные инвестиции в сельскохозяйственные угодья не способствуют устойчивому развитию. Геофорум. 2017; 83: 119–132.
27. 27. Фогет-Клещин Л., Отт К. Введение в специальный выпуск журнала сельскохозяйственной и экологической этики, посвященный этическим аспектам крупномасштабного приобретения земли в развивающихся странах.Журнал сельскохозяйственной и экологической этики. 2013; 26: 1059–1064.
28. 28. Зумерс Э.А., Оцуки К. Устранение последствий крупномасштабных инвестиций в землю: возвращение к исследованиям средств к существованию. Геофорум. 2017; 83: 164–171.
29. 29. Оберлак К., Теджада Л., Мессерли П., Рист С., Гигер М. Устойчивые средства к существованию в условиях глобальной земельной лихорадки? Архетипы уязвимости средств к существованию и потенциала устойчивости. Глобальное изменение окружающей среды. 2016; 41: 153–171.
30. 30.Котула Л. Международная политическая экономия мировой лихорадки суши: критическая оценка тенденций, масштаба, географии и движущих сил. Журнал крестьянских исследований. 2012; 39: 649–680.
31. 31. Ойя К. Методологические размышления о «базах данных о захвате земель» и о «литературном« спешке »о захвате земель. Журнал крестьянских исследований. 2013. 40 (3): 503–520.
32. 32. Ляо К., Юнг С., Браун Д. Г., Агравал А. Пространственные модели крупномасштабных сделок с землей и их потенциальные социально-экологические последствия в Камбодже, Эфиопии, Либерии и Перу.Деградация земель и развитие. 2020; 31: 1241–1251.
33. 33. Бреу Т., Бадер С., Мессерли П., Хайниманн А., Рист С., Эккерт С. Крупномасштабное приобретение земли и его влияние на водный баланс в странах-инвесторах и принимающих странах. PLos One. 2016; 11.
34. 34. Делл’Анджело Дж., МакКорд П.Ф., Гауэр Д., Карпентер С., Кейлор К.К., Эванс Т.П. Общественное руководство водными ресурсами на горе Кения: оценка, основанная на разработанных Остромом принципах управления природными ресурсами. Горные исследования и разработки.2016; 36: 102–116.
35. 35. Гигер М., Нолте К., Ансиу В., Бреу Т., Чемберлен В., Мессерли П. и др. 13 Воздействие крупномасштабного приобретения земли на ресурсы общего фонда; 2019.
36. 36. Рулли М.С., Д’Одорико П. Присвоение продовольствия посредством крупномасштабного приобретения земли. Письма об экологических исследованиях. 2014; 9: 8.
37. 37. Нольте К., Остермайер М. Влияние крупномасштабных инвестиций в сельское хозяйство на рынок труда: концептуальные соображения и предполагаемые эффекты занятости.Мировое развитие. 2017; 98: 430–446.
38. 38. Нолте К., Остермайер М., Шульце К. Еда или топливо — роль агротоплива в стремлении получить землю. Журнал крестьянских исследований. 2013; 40: 521–530.
39. 39. Арезки Р., Дейнингер К., Селод Х. Что движет глобальной «лихорадкой земель»? Обзор экономики Всемирного банка. 2013. 29 (2): 207–233.
40. 40. Лэй Дж., Нольте К. Детерминанты приобретения земли за рубежом в странах с низким и средним уровнем дохода. Журнал экономической географии.2018; 18: 59–86.
41. 41. Мессерли П., Гигер М., Дуайер М.Б., Бреу Т., Эккерт С. География крупномасштабного приобретения земли: анализ социально-экологических моделей целевых контекстов на глобальном Юге. Прикладная география. 2014; 31: 1241–1251.
42. 42. Сиквист JW, Йоханссон EL, Николас KA. Архитектура глобальной системы приобретения земель: применение инструментов сетевой науки для выявления ключевых уязвимостей. Письма об экологических исследованиях. 2014; 9 (11): 114006.
43. 43. Мешич-алами А., Пиккарди С., Николас К., Сиквист Дж. Транснациональные приобретения земель за пределами продовольственного и финансового кризисов. Письма об экологических исследованиях. 2019; 14 (8).
44. 44. Интердонато Р., Бургуан Дж., Грислен К., Зиньяни М., Гайто С., Гигер М. Характеризация крупномасштабных приобретений земель с помощью сетевого анализа. В: Материалы восьмой Международной конференции по сложным сетям и их приложениям КОМПЛЕКСНЫЕ СЕТИ 2019, Лиссабон, Португалия, 10-12 декабря 2019 г .; 2019.п. 152–163.
45. 45. Бургуан Дж., Валетт Э., Гийуэ С., Диоп Д., Диа Д. Повышение прозрачности и надежности информации о владении и владении в целях совершенствования управления земельными ресурсами в Сенегале. Земля. 2019; 8 (3): 42.
46. 46. ЮНКТАД. Доклад о мировых инвестициях 2019. Конференция Организации Объединенных Наций по торговле и развитию. 2019; п. 237.
47. 47. Конеса П. Доктор Сауд и мистер Джихад: религиозная дипломатия арабского мира. Роберт Лаффонт; 2016.
48. 48.Meadows DH, Meadows DL, Randers J, Behrens WW III. Пределы роста. Книга Партнеров Потомака; 1972.
49. 49. Мавродиева В., Рахман О.К., Харахап В.Б., Шоу Р. Роль социальных сетей как инструмента мягкой силы в повышении осведомленности общественности и вовлечении в борьбу с изменением климата. Климат. 2019; 7 (10): 15. https://doi.org/10.3390/cli7100122
50. 50. Эскобар А. Дегрост, постразвитие и переходы: предварительный разговор. Наука об устойчивости.2015; 10: 451–462.
51. 51. ЮНЕП. На пути к зеленой экономике: пути к устойчивому развитию и искоренению бедности; 2011.
52. 52. Грин Дж, Шот Дж. Переходы к устойчивому развитию. Новые направления в изучении долгосрочных трансформационных изменений; 2010.
53. 53. Питрон Ж. La guerre des métaux rares. La face cachée de la transition énergétique et numérique. Les Liens Qui Liberent; 2018.
54. 54. ACHPR. Доклад Рабочей группы Африканской комиссии по коренным народам / общинам.Добывающая промышленность, права на землю и права коренных народов / общин; 2017.
55. 55. Скунс I, Смолли Р., Холл Р., Цикатад Д. Рассказы о дефиците: обрамление глобальной земельной лихорадки. Геофорум. 2019; 101: 231–241.
56. 56. Фриис-Хансен Э. Сельскохозяйственная политика в Африке после корректировки; 2000.
57. 57. Сеть GF. Стандарты экологического следа 2009 г .; 2009.
58. 58. Кауфманн Д., Краай А., Маструцци М. Мировые показатели управления: методология и аналитические вопросы; 2010 г.
59. 59. Международный индекс восприятия коррупции, 2019 г .; 2019.
60. 60. ПРООН. Доклад о человеческом развитии за 2019 год. За пределами дохода, за рамки среднего, за рамки сегодняшнего дня: неравенство в человеческом развитии в 21 веке; 2019.
61. 61. ОЭСР. Национальные счета стран ОЭСР; 2020.
62. 62. Экономист Т. Глобальный индекс продовольственной безопасности 2019 г. Укрепление продовольственных систем и окружающей среды за счет инноваций и инвестиций; 2019.
63. 63. Стиглиц JE. Неравенство и экономический рост. Политический квартал. 2015; 86 (S1): 134–155.
64. 64. Шиффман Р. Голод, Продовольственная безопасность и захват земель в Африке. Этика и международные отношения. 2013. 27 (3): 239–249.
65. 65. Bank W. Рост глобального интереса к сельскохозяйственным угодьям: может ли они принести устойчивые и справедливые выгоды ?; 2010.
66. 66. Майло Р., Шен-Орр С., Ицковиц С., Каштан Н., Чкловский Д., Алон У. Сетевые мотивы: простые строительные блоки сложных сетей.Наука. 2002. 298 (5594): 824–827.
67. 67. Рибейро П., Сильва Ф. G-пытается: эффективная структура данных для обнаружения сетевых мотивов. В: Материалы симпозиума ACM 2010 г. по прикладным вычислениям. SAC’10. Нью-Йорк, Нью-Йорк, США: ACM; 2010. с. 1559–1566.
68. 68. Майло Р., Ицковиц С., Каштан Н., Левитт Р., Шен-Орр С., Айзенштат И. и др. Суперсемейства развитых и спроектированных сетей. Наука. 2004. 303 (5663): 1538–1542. pmid: 15001784