Roschart — Russian statistics in charts

Official Rosstat statistics turned into charts instead of CSV and XLSX

RU

Number of agricultural machinery units written off due to wear per year: combines

· snapshot · rows: 61 · periods: 7 · section: Bulletins on the state of agriculture (electronic versions)

The annual volume of agricultural machinery written off due to wear and tear is broken down by machine type. Rows include the Russian Federation, the Southern and Volga Federal Districts, while columns list specific categories, such as combine harvesters and sugar beet harvesters. The data is presented as a single-year snapshot, allowing for an assessment of the current fleet retirement situation

shown 25 largest of 61

Annual agricultural machinery written off due to wear and tear by machine type and federal district

колонки: Комбайны: зерноуборочные кукурузоуборо…кукурузоуборочные кормоуборочные льноуборочные картофелеубор…картофелеуборочные Жатки валковые Свеклоуборочн…Свеклоуборочные машины (без ботвоуборочных) Russian Federation Russian Federation / зерноуборочные: 1,140 Russian Federation / кукурузоуборочные: 39.0 Russian Federation / кормоуборочные: 407.0 Russian Federation / льноуборочные: 36.0 Russian Federation / картофелеуборочные: 42.0 Russian Federation / Жатки валковые: 570.0 Russian Federation / Свеклоуборочные машины (без ботвоуборочных): 72.0 Southern Federal District Southern Federal District / зерноуборочные: 172.0 Southern Federal District / кукурузоуборочные: 18.0 Southern Federal District / кормоуборочные: 21.0 Southern Federal District / картофелеуборочные: 3.00 Southern Federal District / Жатки валковые: 109.0 Southern Federal District / Свеклоуборочные машины (без ботвоуборочных): 10.0 Volga Federal District Volga Federal District / зерноуборочные: 347.0 Volga Federal District / кукурузоуборочные: 11.0 Volga Federal District / кормоуборочные: 139.0 Volga Federal District / картофелеуборочные: 11.0 Volga Federal District / Жатки валковые: 146.0 Volga Federal District / Свеклоуборочные машины (без ботвоуборочных): 8.00 Central Federal District Central Federal District / зерноуборочные: 202.0 Central Federal District / кормоуборочные: 77.0 Central Federal District / картофелеуборочные: 16.0 Central Federal District / Жатки валковые: 72.0 Central Federal District / Свеклоуборочные машины (без ботвоуборочных): 45.0 Belgorod Region Belgorod Region / зерноуборочные: 10.0 Belgorod Region / кормоуборочные: 5.00 Belgorod Region / Жатки валковые: 4.00 Belgorod Region / Свеклоуборочные машины (без ботвоуборочных): 8.00 Voronezh Region Voronezh Region / зерноуборочные: 27.0 Voronezh Region / кормоуборочные: 8.00 Voronezh Region / Жатки валковые: 17.0 Voronezh Region / Свеклоуборочные машины (без ботвоуборочных): 7.00 Northwestern Federal District Northwestern Federal District / зерноуборочные: 26.0 Northwestern Federal District / кормоуборочные: 26.0 Northwestern Federal District / картофелеуборочные: 6.00 Northwestern Federal District / Жатки валковые: 25.0 Krasnodar Territory Krasnodar Territory / зерноуборочные: 64.0 Krasnodar Territory / кукурузоуборочные: 15.0 Krasnodar Territory / кормоуборочные: 11.0 Krasnodar Territory / Жатки валковые: 39.0 Kursk Region Kursk Region / зерноуборочные: 15.0 Kursk Region / кормоуборочные: 6.00 Kursk Region / Жатки валковые: 10.0 Moscow Region Moscow Region / зерноуборочные: 5.00 Moscow Region / кормоуборочные: 14.0 Moscow Region / картофелеуборочные: 3.00 Oryol Region Oryol Region / зерноуборочные: 23.0 Oryol Region / кормоуборочные: 3.00 Oryol Region / Жатки валковые: 6.00 Tambov Region Tambov Region / зерноуборочные: 21.0 Tambov Region / Жатки валковые: 16.0 Tambov Region / Свеклоуборочные машины (без ботвоуборочных): 11.0 Yaroslavl Region Yaroslavl Region / зерноуборочные: 5.00 Yaroslavl Region / кормоуборочные: 5.00 Yaroslavl Region / Жатки валковые: 3.00 Vologda Region Vologda Region / зерноуборочные: 15.0 Vologda Region / кормоуборочные: 7.00 Vologda Region / Жатки валковые: 6.00 Rostov Region Rostov Region / зерноуборочные: 75.0 Rostov Region / кормоуборочные: 6.00 Rostov Region / Жатки валковые: 42.0 North Caucasian Federal District North Caucasian Federal District / зерноуборочные: 72.0 North Caucasian Federal District / кормоуборочные: 11.0 North Caucasian Federal District / Жатки валковые: 9.00 Republic of Bashkortostan Republic of Bashkortostan / зерноуборочные: 35.0 Republic of Bashkortostan / кормоуборочные: 16.0 Republic of Bashkortostan / Жатки валковые: 26.0 Republic of Mordovia Republic of Mordovia / зерноуборочные: 27.0 Republic of Mordovia / кормоуборочные: 8.00 Republic of Mordovia / Жатки валковые: 6.00 Republic of Tatarstan Republic of Tatarstan / зерноуборочные: 44.0 Republic of Tatarstan / кормоуборочные: 23.0 Republic of Tatarstan / Жатки валковые: 10.0 Udmurt Republic Udmurt Republic / зерноуборочные: 23.0 Udmurt Republic / кормоуборочные: 16.0 Udmurt Republic / Жатки валковые: 14.0 Chuvash Republic Chuvash Republic / зерноуборочные: 14.0 Chuvash Republic / кормоуборочные: 11.0 Chuvash Republic / Жатки валковые: 3.00 Nizhny Novgorod Region Nizhny Novgorod Region / зерноуборочные: 22.0 Nizhny Novgorod Region / кормоуборочные: 20.0 Nizhny Novgorod Region / Жатки валковые: 12.0 Orenburg Region Orenburg Region / зерноуборочные: 38.0 Orenburg Region / кормоуборочные: 13.0 Orenburg Region / Жатки валковые: 15.0 Ural Federal District Ural Federal District / зерноуборочные: 55.0 Ural Federal District / кормоуборочные: 35.0 Ural Federal District / Жатки валковые: 25.0 Sverdlovsk Oblast Sverdlovsk Oblast / зерноуборочные: 14.0 Sverdlovsk Oblast / кормоуборочные: 13.0 Sverdlovsk Oblast / Жатки валковые: 5.00
how it will look

Set in numbers

Rosstat data. Series: 61, indicators: 7. The breakdown is by the following positions: Russian Federation; Southern Federal District; Volga Federal District; Central Federal District; Belgorod Oblast and others

The five largest values are: Russian Federation (1 140), Volga Federal District (347), Central Federal District (202), Southern Federal District (172), Rostov Oblast (75). The gap between the largest and smallest is 228 times. The top five account for 77.4% of the total for all positions — the distribution is heavily skewed toward the top

All table numbers are series: 61
Series Комбайны: — зерноуборочныеКомбайны: — кукурузоуборочныеКомбайны: — кормоуборочныеКомбайны: — льноуборочныеКомбайны: — картофелеуборочныеЖатки валковыеСвеклоуборочные машины (без ботвоуборочных)
Российская Федерация 1 140,00 39,00 407,00 36,00 42,00 570,00 72,00
Центральный федеральный округ 202,00 — 77,00 — 16,00 72,00 45,00
Белгородская область 10,00 — 5,00 — — 4,00 8,00
Брянская область 13,00 — — — — — —
Владимирская область 14,00 — 5,00 — — — —
Воронежская область 27,00 — 8,00 — — 17,00 7,00
Ивановская область 4,00 — — — — — —
Калужская область 11,00 — 4,00 — — — —
Костромская область 6,00 — — — — — —
Курская область 15,00 — 6,00 — — 10,00 —
Липецкая область 15,00 — 4,00 — — — —
Московская область 5,00 — 14,00 — 3,00 — —
Орловская область 23,00 — 3,00 — — 6,00 —
Рязанская область 11,00 — 6,00 — — — —
Смоленская область 4,00 — 4,00 — — — —
Тамбовская область 21,00 — — — — 16,00 11,00
Тверская область 3,00 — — — 5,00 — —
Тульская область 15,00 — — — — — —
Ярославская область 5,00 — 5,00 — — 3,00 —
Северо-Западный федеральный округ 26,00 — 26,00 — 6,00 25,00 —
Вологодская область 15,00 — 7,00 — — 6,00 —
Ленинградская область — — 9,00 — 6,00 — —
Новгородская область — — — — — 4,00 —
Южный федеральный округ 172,00 18,00 21,00 — 3,00 109,00 10,00
Республика Крым — — 4,00 — — — —
Краснодарский край 64,00 15,00 11,00 — — 39,00 —
Волгоградская область 25,00 — — — — 18,00 —
Ростовская область 75,00 — 6,00 — — 42,00 —
Северо-Кавказский федеральный округ 72,00 — 11,00 — — 9,00 —
Республика Северная Осетия-Алания 3,00 — — — — — —
Ставропольский край 62,00 — 8,00 — — — —
Приволжский федеральный округ 347,00 11,00 139,00 — 11,00 146,00 8,00
Республика Башкортостан 35,00 — 16,00 — — 26,00 —
Республика Мордовия 27,00 — 8,00 — — 6,00 —
Республика Татарстан 44,00 — 23,00 — — 10,00 —
Удмуртская Республика 23,00 — 16,00 — — 14,00 —
Чувашская Республика 14,00 — 11,00 — — 3,00 —
Пермский край 22,00 — 15,00 — — — —
Кировская область — — 9,00 — — — —
Нижегородская область 22,00 — 20,00 — — 12,00 —
Оренбургская область 38,00 — 13,00 — — 15,00 —
Пензенская область 11,00 — — — — 8,00 —
Самарская область 27,00 — — — — — —
Саратовская область 48,00 — — — — 30,00 —
Ульяновская область 28,00 — — — — 11,00 —
Уральский федеральный округ 55,00 — 35,00 — — 25,00 —
Курганская область 13,00 — 6,00 — — — —
Свердловская область 14,00 — 13,00 — — 5,00 —
Тюменская область 12,00 — 12,00 — — — —
Тюменская область (без автономных округов) 12,00 — 12,00 — — — —
Челябинская область 16,00 — 4,00 — — 7,00 —
Сибирский федеральный округ 208,00 — 87,00 — — 162,00 —
Республика Хакасия 17,00 — 5,00 — — — —
Алтайский край 76,00 — 17,00 — — 96,00 —
Красноярский край 40,00 — 19,00 — — 8,00 —
Кемеровская область 7,00 — 5,00 — — — —
Новосибирская область 55,00 — 29,00 — — 25,00 —
Омская область 9,00 — 7,00 — — 24,00 —
Дальневосточный федеральный округ 58,00 — — — 4,00 22,00 —
Приморский край 6,00 — — — — — —
Амурская область 42,00 — — — — 8,00 —

How to read this table

Indicators can be compared by matching the national total with data from specific federal districts. The rows show the difference in the scale of fleet renewal between the Southern and Volga districts, while the columns provide a detailed view of which specific machinery categories are most frequently retired within the presented list

What is visible in these numbers

Table columns: Combine harvesters: — grain; Combine harvesters: — corn; Combine harvesters: — forage; Combine harvesters: — flax; Combine harvesters: — potato; Windrowers; Beet harvesters (excluding haulm harvesters)

91 out of 175 cells contain numbers (52%). A smaller part of the table is filled, so direct comparison of positions between periods may be misleading

The same indicator in other breakdowns (3)

More in the section Bulletins on the state of agriculture (electronic versions)»

Period and application

Information is sourced from electronic versions of agricultural status bulletins. The statistics are useful for agricultural sector specialists and machinery manufacturing enterprises to assess regional fleet renewal rates and plan new machinery procurement

How it is calculated

Data on crops, yields, and livestock are used in planning raw material purchases, assessing harvests, and forecasting food prices