I  

VIABILITY OF PRODUCING LIGNOCELLULOSIC BIOMASS IN THE 

CAPE WINELANDS DISTRICT MUNICIPALITY FOR BIOENERGY 

GENERATION  

by  

 

Clemens Cornelius Christian von Doderer 

 

 

Submitted in partial fulfilment of the requirements for the degree 

 

M.Sc. Agric 

 

at the 

Department of Agricultural Economics 

Stellenbosch University 

 

 

 

 

 

 

Promoter: Professor T.E. Kleynhans  March 2009 

II  

DECLARATION  

 

I, the undersigned, hereby declare that the work contained in this thesis is my own original work and that I have not previously, in its entirety or in part, submitted it to any university for a degree.  

 

 

Signature:  ______________________________      Date: _________________ 

Clemens von Doderer 

III  

ABSTRACT  

VIABILITY OF PRODUCING LIGNOCELLULOSIC BIOMASS IN THE CAPE 

WINELANDS DISTRICT MUNICIPALITY FOR BIOENERGY GENERATION 

 

By 

 

Clemens Cornelius Christian von Doderer 

 

 

Degree:   MSc Agric 

Department:   Agricultural Economics 

Promoter:  Prof. T.E. Kleynhans 

 

 

The  growing  scarcity  of  fossil  energy,  expressed  by  rising  real  prices,  justifies  an  investigation  into  the 

viability of utilising alternative, sustainable energy sources. Another motivation is to mitigate CO2 pollution 

resulting  from  using  fossil  fuels,  causing  climate  change.  Biomass  has  the  potential  to  become  a major 

global primary energy source during the next century. In South Africa, a limited amount of land is suitable 

for  high‐potential  biomass  energy  sources  like  sugar  cane  or  grain.  Large  areas  of  South  Africa  are, 

however, dry and more suitable for woody biomass production. Cultivating trees  in short‐rotation‐system 

plantations provides a sustainable and effective way of producing biomass.  

 

The  first part of  this study  investigated  the physical capacity of  the Cape Winelands District Municipality 

(CWDM) for woody biomass production in short‐rotation systems, based on a land availability assessment 

using Geographic  Information Systems  (GIS). The CWDM  comprises about 2.3 million hectares, of which 

about  175  000  ha with  a  slope  of  less  than  35%  have  been  identified  as  suitable  for woody  biomass 

production. Within the CWDM, the following land use classes were excluded: nonagricultural land, such as 

urban areas, bare rock and mines; ecologically sensitive areas; as well as areas with slope gradients that are 

too  steep  for biomass production, due  to  limited accessibility and  trafficability. This was  followed by an 

assessment  of  suitable  tree  species  and  their  productivity  rates  –  also  using GIS with  climate  data  (i.e. 

temperature extremes, frost and mean annual precipitation) and terrain data. By combining the identified 

biomass production sites with the productivity rates of the  identified species, an annual supply of woody 

biomass  for energy generation at a medium productivity of about 1 412 000  tonnes of  fresh biomass  is 

IV  

expected, using exotic species  like Eucalyptus claducalyx  ( and about 1 306 000 tonnes, using  indigenous 

species like Acacia karoo).  

 

The second part of this study examined the potential  for producing  lignocellulosic biomass  in the CWDM 

from a financial and economic perspective, using farm modelling. Three scenarios are assessed.  

 

The  first  scenario  describes  woody  biomass  production  as  a  single  production  activity  on  fynbos/ 

uncultivated  land, not competing with other agricultural activities. Provision was made  for  four  levels of 

land productivity and resultant land values. The only capital expense provided for was land; no other capital 

investments made were included. All biomass‐producing activities were assumed to have been undertaken 

by contractors to minimise fixed costs. The return on  investment  is positive, and the highest for medium 

priced  land and medium productivity  levels, compared with more productive but more expensive  land, or 

cheaper but more marginal land.  

 

In the second scenario, biomass production  is  introduced as an additional enterprise on a dryland winter‐

grain farm, typically in the rainfed grain‐ and livestock‐producing Gouda/Hermon farming area. The return 

on investment is barely positive at current electricity rates based on ‘cheap’ coal prices. 

 

The  third  scenario  describes  biomass  production  in  an  intensive  farming  environment.  The  return  on 

investment  is  negative,  showing  that  biomass  production  cannot  compete  with  high‐value  crops  on 

expensive land at current electricity tariffs.  

 

V  

OPSOMMING  

Die  toenemende  skaarste  aan  fossielbrandstowwe  soos  getoon  deur  stygende  reële  pryse,  verg  ‘n 

ondersoek na die lewensvatbaarheid van gebruik van alternatiewe, volhoubare energiebronne. ‘n Verdere 

motivering  is die dringende bekamping  van CO2 besoedeling weens die  gebruik  van  fossielbrandstowwe 

wat  klimaatverandering  bevorder.  Biomassa  het  die  potensiaal  om  as  globale  primêre  energiebron  ‘n 

beduidende bydrae gedurende die  volgende eeu  te  lewer.  Slegs  ‘n beperkte hoeveelheid grond  in  Suid‐

Afrika is geskik vir die produksie van hoë potensiaal biomassa energiebronne soos suikerriet en graan. Suid‐

Afrika  het  egter  groot  droë  streke  wat  meer  geskik  is  vir  die  produksie  van  houtagtige  biomassa. 

Houtproduksie  deur  kort  rotasie  plantasie  stelsels  is  ‘n  volhoubare  en  effektiewe  wyse  van  biomassa 

produksie.  

 

Die eerste gedeelte van hierdie ondersoek evalueer die  fisiese kapasiteit van die Kaapse Wynland Distrik 

Munisipaliteit  (KWDM)  vir  houtagtige  biomassa  produksie  deur  kort  rotasiestelsels  deur  middel  van 

landgeskiktheidbepaling deur ‘n Geografiese Inligtingstelsel (GIS). Die CWDM beslaan omtrent 2.3 miljoen 

hektaar, waarvan rofweg 175 000 ha  ‘n helling minder as 35% het, wat as geskik vir houtagt‘ge biomassa 

produksie beskou word. Die volgende grondgebruik klasse is geëlimineer: nie‐landbougrond, soos stedelike 

gebiede,  berge  en myne;  ekologies  sensitiewe  areas  en  areas met  hellings wat  te  steil  is  vir  biomassa 

produksie weens beperkte toeganklikheid en begaanbaarheid. 

 

Die  volgende deel  van die ondersoek het die  identifisering  van  geskikte boomspesies en hul onderskeie 

produktiwiteit  in verskillende produksiegebiede behels – weer eens deur middel van GIS met klimaatdata 

(bv  temperatuur ekstreme, ryp en die gemiddelde  jaarlikse neerslag en  terreindata). Deur die  toepassing 

van  die  produktiwiteitspeile  van  die  geïdentifiseerde  spesies  op  die  geïdentifiseerde  biomassa 

produksiegebiede  kon  ‘n  jaarlikse  potensieel  beskikbare  hoeveelheid  houtagtige  biomassa  vir  energie‐

opwekking teen ‘n medium produktiwiteitsvlak van om en by 412 000 ton vars biomassa bereken word. In 

hierdie  geval word  uitheemse  spesies  soos  Eucalyptus  claducalyx  (1  306  000  ton)  en  inheemse  spesies 

Acacia karoo) geproduseer. 

 

Die  tweede  helfte  van  hierdie  ondersoek  het  die  finansiële  en  ekonomiese  lewensvatbaarheid  van  die 

produksie van lignosellulose biomassa in die CWDM deur middel van tipiese plaas modellering bepaal. Drie 

scenarios is ontwikkel: 

 

Die  eerste  scenario  bespreek  houtagtige  biomassa  produksie  as  ‘n  enkel  produksie  aktiwiteit  op 

onbewerkte grond  fynbos sonder mededinging met ander gewasse. Voorsiening  is gemaak vir vier grond 

VI  

produktiwiteit vlakke en meegaande grondpryse. Die enigste kapitaaluitgawe was vir grond. Alle biomassa 

produksie aktiwiteite was veronderstel om deur kontrakteurs verrig te word om vaste kostes te beperk. Die 

opbrengs  op  investering  is  positief  en  die  hoogste  vir  medium  grondwaardes  en  medium 

produktiwiteitvlakke in vergelyking met meer produktiewe, maar duurder grond, of goedkoper maar meer 

marginale grond. 

 

In  die  tweede  scenario  is  biomassa  produksie  ingevoeg  as  ‘n  bykomende  aktiwiteit  in  ‘n  droëland 

wintergraan  plaas  soos  gevind  word  in  die  Gouda/Hermon  omgewing.  Die  opbrengs  op  investering  is 

beswaarlik positief teen heersende elektrisiteit tariewe wat voortspruit uit lae steenkoolpryse. 

 

Die  derde  scenario  beskryf  biomassa  produksie  in  ‘n  intensiewe  boerderygebied.  Die  opbrengs  op 

investering  is negatief. Dit toon dat biomassa produksie nie met hoëwaarde gewasse op duur grond teen 

heersende elektrisiteitstariewe kan meeding nie.  

 

VII  

                                                           

ACKNOWLEDGEMENTS   

The completion of this study would not have been possible without the support and encouragement of the following people – in alphabetical order: 

   Mr Pierre Ackerman1 Dr Dirk Längin2

Mr Rudolf Andrag   Dr Christo Marais3, Mr Don Bands4 Mrs Thea Roberts Mr Theuns Dirkse van Schalkwyk5 Mr Joel Syphus6, Dr Freddie Ellis7 Mr Ben du Toit8

Mr Abraham Joubert  Mr Karel du Toit  Mr. Don Kirkwood  Mr Angus Wilson9

 

I would also like to acknowledge the following people:  Professor Theo Kleynhans10 for his patience, excellent supervision and guidance, and for providing tremendous support and motivation;  

 Professor emeritus Klaus von Gadow11, who opened the door for me to Stellenbosch University and to South Africa;   Dr emeritus Kobus Theron12 for his great support and with whom to work with is always a pleasure; 

 Mr Willem Hoffmann13 for being willing to share his knowledge and experience, and for his great support and friendship;   Mr Russell de la Porte for his excellent support and effort revising this study;  Ms Yvette de Wit for her courageous support and patience;    My parents, without whom this all would not have been possible and who always support me tremendously – thank you;  

 1 Senior lecturer and head of the Department of Forestry and Wood Science, Stellenbosch University, Stellenbosch, South Africa. 2 Senior lecturer, Department of Forestry and Wood Science, Stellenbosch University, Stellenbosch, South Africa. 3 Acting head: operations support; Working for Water, on fire and woodlands, Department of Water Affairs and Forestry: Western Cape,    Cape Town, South Africa. 4 Former acting director for forestry and conservation at the Department of Water Affairs and Forestry,Umtata, Transkei South Africa. 5 Senior lecturer in the Department of Process Engineering, Stellenbosch University, Stellenbosch, South Africa. 6 Extension forester in the Department of Water Affairs and Forestry, Wolseley, South Africa. 7 Senior lecturer, Department of Soil Science, Stellenbosch University, Stellenbosch, South Africa. 8 Senior lecturer, Department of Forestry and Wood Science, Stellenbosch University, Stellenbosch, South Africa. 9 Former regional director of the Western Cape region of the Department of Water Affairs and Forestry, South Africa. 10 Senior lecturer and study leader, Department of Agricultural Economics, Stellenbosch University, Stellenbosch, South Africa. 11 Senior lecturer emer., Department of Silviculture, University of Göttingen, Göttingen, Germany. 12 Senior lecturer, Department of Forestry and Wood Science, Stellenbosch University, Stellenbosch, South Africa. 13 Lecturer, Department of Agricultural Economics, Stellenbosch University, Stellenbosch, South Africa. 

VIII  

 

 TABLE OF CONTENTS 

 

DECLARATION.................................................................................................................................................... II 

ABSTRACT ......................................................................................................................................................... III 

OPSOMMING..................................................................................................................................................... V 

ACKNOWLEDGEMENTS ................................................................................................................................... VII 

TABLE OF CONTENTS ...................................................................................................................................... VIII 

LIST OF ABBREVIATIONS AND ACRONYMS........................................................................................................ X 

LIST OF TABLES ................................................................................................................................................. XI 

LIST OF FIGURES .............................................................................................................................................. XII 

LIST OF ANNEXURES ....................................................................................................................................... XIII 

1  CHAPTER: INTRODUCTION AND ORIENTATION......................................................................................... 1 

1.1  Introduction and background............................................................................................................ 1 

1.2  Problem statement and research questions ..................................................................................... 2 

1.3  Research approach and methodology............................................................................................... 2 

1.4  Study area.......................................................................................................................................... 2 

1.5  Chapter layout ................................................................................................................................... 4 

2  CHAPTER: LITERATURE OVERVIEW............................................................................................................ 5 

2.1  Introduction....................................................................................................................................... 5 

2.2  Bioenergy considerations .................................................................................................................. 5 

2.3  Land suitability assessment ............................................................................................................... 5 

2.4  Farm modelling.................................................................................................................................. 6 

2.5  Biomass production........................................................................................................................... 6 

2.6  Biomass harvesting............................................................................................................................ 7 

2.7  Biomass transport.............................................................................................................................. 7 

2.8  Biomass conversion ........................................................................................................................... 8 

3  CHAPTER: LAND SUITABILITY ASSESSMENT .............................................................................................. 9 

3.1  Introduction....................................................................................................................................... 9 

3.2  Subdivision of CWDM...................................................................................................................... 11 

3.3  Area availability assessment............................................................................................................ 11 

IX  

3.4  Productivity assessment.................................................................................................................. 19 

3.5  Volume availability .......................................................................................................................... 26 

3.6  Conclusions...................................................................................................................................... 28 

4  CHAPTER IV: PROFITABILITY OF WOOD PRODUCTION FOR GENERATING BIOENERGY.......................... 29 

4.1  Introduction..................................................................................................................................... 29 

4.2  Farm model layout .......................................................................................................................... 30 

4.3  Biomass sole‐production model ...................................................................................................... 36 

4.4  Dryland farming scenario ................................................................................................................ 45 

4.5  Intensive farming scenario .............................................................................................................. 49 

4.6  Conclusion ....................................................................................................................................... 55 

5  CHAPTER: CONCLUSIONS AND SUMMARY.............................................................................................. 56 

5.1  Conclusion ....................................................................................................................................... 56 

5.2  Summary.......................................................................................................................................... 59 

REFERENCES .................................................................................................................................................... 61 

ANNEXURES ..................................................................................................................................................... 65 

 

 

 

 

 

X  

LIST OF ABBREVIATIONS AND ACRONYMS  

AI  Aridity Index CCP  Cape Conversion Process CWDM  Cape Winelands District Municipality DEM  Digital Elevation Model DOA‐WC  Department of Agriculture of the Western Cape (Elsenburg) ECS  Electricity conversion system Exot.  exotic FA  Farming Area GHG  Greenhouse Gas GIS  Geographic Information Systems GM  Gross Margin ha  hectare ind.  indigenous IRR  Internal Rate of Return LAI  Leaf Area Index LM  Local Municipality MAI  Mean annual increment MAP  Mean Annual Precipitation max  maximum MC  Moisture content MCA  Mountain Catchment areas min  minimum MMP  Mean Monthly Precipitation MPB  Multi‐Period Budget MPET  Monthly Potential Evapotranspiration MW  Megawatt PET  Potential Evapotranspiration RFHA  Relatively Homogeneous Farming Area SADC  Southern African Development Community SANERI  South Africa’s National Energy Research Institute SATBVC  South African states: Transkei, Bophuthatswana, Venda and Ciskei) SRS  Short rotation systems SRWC  Short rotation woody crop WISDOM  Wood‐fuel Integrated Supply/Demand Overview Mapping     

 

 

XI  

LIST OF TABLES     Page

Table 01:  Local municipalities within the CWDM  3

Table 02:  Current land use types in the CWDM  11

Table 03:  An  adapted  terrain  classification  system  for  biomass  production,  based  on  the 

national terrain classification system for forestry 

12

Table 04:   Slope classification for biomass production, showing area distribution  in the CWDM 

and biomass production suitability 

13

Table 05:   Areas  available  for  biomass  production,  subdivided  into  landuse  types  and  slope 

classes 

18

Table 06:   Climate data  for  the CWDM,  subdivided  in Relatively Homogeneous Farming Areas 

(RHFA) groups 

22

Table 07:   Suitable indigenous and exotic tree species for biomass production in the CWDM  24

Table 08:  Suitable tree species for biomass production in RHFA Group 01  25

Table 09:   Selected tree species and their productivity rates per RFHA group  26

Table 10:  Total availability of lignocellulosic biomass for generating bioenergy in the CWDM  27

Table 11:  Technical  and  cost  information on  investment  and  running  costs of Carbo Consult CCE‐SJG Gasifier 

37

Table 12:  Transport cost changes with increasing distances  39

Table 13:  Farm  gate price of wet woody biomass  for  conversion  to bioenergy, derived  from different electricity tariff levels 

40

Table 14:  Variable costs for biomass sole‐production businesses  42

Table 15:  Profitability of biomass sole‐production scenario versions, based on IRR   44

Table 16:  Total annual overhead costs for dryland farming scenario  46

Table 17:  Land and fixed improvements for dryland farming scenario  47

Table 18:  Profitability of dryland farming business scenario producing biomass, based on IRR  48

Table 19:  Annualised  variable  costs  of  producing  biomass  per  rotation  and  ha  for  intensive farming scenario 

51

Table 20:  Total annual overhead costs for intensive farming scenario  51

Table 21:  Land and fixed improvements for intensive farming scenario  52

Table 22:  Profitability of an  intensive  farming business scenario producing biomass, based on IRR 

53

 

XII  

LIST OF FIGURES     Page

Figure 01:  General map of the CWDM and its local municipalities  3

Figure 02:  Schematic  outline  of  factors  taken  into  account  in  determining  the  total mass  of 

woody biomass that can potentially be produced in the CWDM 

10

Figure 03:  Slope map of the CWDM  14

Figure 04:   Land available for agriculture under rainfed or dryland conditions using the AI  16

Figure 05:   Mean annual precipitation in the CWDM  21

Figure 06:  General structure of a farm‐level model  30

Figure 07:  Multi‐period budget (MPB) model structure  31

Figure 08:  Schematic  overview  of  the  farm  gate  price  of  biomass,  derived  from  the  price  of electricity  

32

Figure 09:  Basic structure of MPB sheet  34

Figure 10:  Schematic diagram of Carbo Consult CCE‐SJG Gasifier  37

Figure 11:  Transport costs per km with increasing distance  39

 

 

 

XIII  

LIST OF ANNEXURES  

   Page

Annexure 1  Ground condition classification system  A‐1

Annexure 2  The CWDM subdivided in RHFA and slope classes  A‐2

Annexure 3  Revised future landuse for Cape Conversion Process areas within the CWDM  A‐4

Annexure 4  Extremes (1955‐2000) of maximum temperatures (°C) in February  A‐5

Annexure 5  Extremes (1955‐2000) of minimum temperatures (°C) in July  A‐6

Annexure 6  Standard deviation of number of occurrences of heavy frost  A‐7

Annexure 7  Potentially available land per RHFA and land use (subdivided in slope classes)  A‐8

Annexure 8  Factorised available land per RHFA and land use (subdivided in slope classes)  A‐14

Annexure 9  Tree species performance per RHFA‐group in the CWDM   A‐20

Annexure 10  Estimated annual biomass availability – exotic species (minimum MAI, in t/ha)  A‐24

Annexure 11  Estimated annual biomass availability – exotic species (medium MAI, in t/ha)  A‐29

Annexure 12  Estimated annual biomass availability – exotic species (maximum MAI, in t/ha)  A‐34

Annexure 13  Estimated annual biomass availability – indigenous species (minimum MAI,  t/ha)  A‐39

Annexure 14  Estimated annual biomass availability – indigenous species (medium MAI, t/ha)  A‐44

Annexure 15  Estimated annual biomass availability – indigenous species (maximum MAI, t/ha)  A‐49

Annexure 16  Cost structures of the proposed bioenergy system per kWh and t  A‐54

Annexure 17  Assumptions for biomass sole‐production model scenario (i.e. version 4)  A‐55

Annexure 18  Gross margin for biomass sole‐production model scenario (per ha, i.e. version 4)  A‐57

Annexure 19  Multi‐period budget for biomass sole‐production model scenario (i.e. version 4)  A‐58

Annexure 20  Assumptions for dryland farming scenario   A‐63

Annexure 21  Inventory for dryland farming scenario   A‐66

Annexure 22  Gross margin for woody biomass production for dryland farming scenario (per ha)  A‐69

Annexure 23  Multi‐period budget for dryland farming scenario (total)  A‐70

Annexure 24  Assumptions for intensive farming scenario   A‐76

Annexure 25  Inventory for intensive farming scenario   A‐79

Annexure 26  Gross margin for woody biomass production for intensive farming scenario (per ha)  A‐81

Annexure 27  Multi‐period budget for intensive farming scenario (total)  A‐82

  

 

1  

1 CHAPTER: INTRODUCTION AND ORIENTATION  

1.1 Introduction and background 

 

Climate change is considered by many to be one of the most serious environmental problems. The United Nations  Framework  Convention  on  Climate  Change  (UN  1992,  Article  2)  calls  for  a  “stabilisation  of greenhouse gas concentrations in the atmosphere to a level that would prevent dangerous anthropogenic interference with the climate system.” Concentrations of CO₂ in the atmosphere will continue rising unless major changes are made in the way fossil fuels are used to provide energy (Hoffert et al., 1998).  

By substituting fossil fuels with a renewable energy source such as  lignocellulosic biomass, anthropogenic interference with  the climate  system can be  reduced. Woody biomass has been  identified as one of  the major primary global energy sources of the future, and could replace non‐renewable energy sources such as oil and coal.  

In  South Africa,  a  limited  amount  of  land  is  suitable  for  high‐potential  biomass  energy  sources  such  as sugarcane and grain, both of which can be used for bioenergy production. Large areas of South Africa are dry and more suitable for woody biomass production. High demand for timber and pulp wood reduce the availability of current  forest plantations  for biomass production. Additionally,  the previous and expected scheduled power cuts by the national energy supplier, ESKOM, together with increasing costs of energy, are great incentives for commercial timber and pulp wood producers to use harvesting residues for generating their own energy for their own consumption. 

The use of  invader plant species, such as Black Wattle, can also be ruled out as they are distributed over wide areas, and in many cases, in difficult terrain, resulting in high procurement costs. Furthermore, woody biomass sourced from invaded areas, after having been harvested, would not comprise a sustainable supply of biomass for generating electricity.  Invasive alien plants pose a direct threat to South Africa’s biological diversity, to water security, the ecological  functioning of natural systems and the productive use of  land. Hence a clearance of invaded areas and no re‐establishment of such alien plants are desired.  

 

This  study  will  also  contribute  to  South  Africa’s  National  Energy  Research  Institute  (SANERI)  study  to develop a decision support tool for bioenergy development projects. Furthermore, Stellenbosch University was approached by representatives of the Cape Winelands District Municipality (CWDM) to investigate the viability  of woody  biomass  production  for  generating  bioenergy,  in  order  to  identify  suitable  areas  for biomass  production  and  to  estimate  biomass  production  potential.  This  study  forms  part  of  a  chain  of investigations  of  the  entire  bioenergy  generation  system,  using  the  CWDM  as  the  area  of  study.  It incorporates  various  research  fields  such  as  agricultural  economics,  forest  science,  and  process  and industrial engineering.  

The study determines the physical capacity for woody biomass production in short‐rotation systems in the study area, by means of Geographic Information Systems (GIS), based on a  land availability assessment. It also determines  the  financial and economic viability of biomass production by means of  farm modelling. 

2  

Social‐institutional considerations  such as  land ownership have been  ignored, because  if woody biomass production is shown to be profitable, private land owners may exploit this opportunity and produce wood. 

In this study, the term biomass production refers to the production of woody biomass  in a short‐rotation system. 

1.2 Problem statement and research questions 

 

In the previous section an  introduction  into the study has been given. Limitations have been indicated, as well as  the context of  the study has been defined. The  following  research questions are  the base of  this study and will be answered in due course.  

Research questions:  

1. Where and in what quantities can woody biomass in short‐rotation systems be grown, taking  the impact of various factors such as climate, terrain, and species variability into account? 

2. What will the financial and economic viability of woody biomass production in short‐rotation systems be in different areas with different production potentials and under different production conditions? 

 

1.3 Research approach and methodology 

 

Areas  suitable  for  biomass  production  are  determined  by means  of  GIS  as  a  decision  support  tool  in excluding  various  limitations,  such  as  nonagricultural  land  or  ecologically  sensitive  areas.  Suitable  tree species for biomass production  in short‐rotations systems (SRS) are  identified, and their productivities for the  determined  production  areas  are  estimated.  By  combining  proposed  areas  with  their  expected productivity rates, the total annual biomass can be determined.  

Various  scenarios,  which  differ  according  to  location,  site  productivity  and  production  conditions,  are simulated by means of farm modelling, in order to determine the profitability of biomass production.  

 

1.4 Study area 

 

The Cape Winelands District Municipality (CWDM), with a total area of 22 300 km³ (2.23 million hectares), is one of five district municipalities (DMs) in the Western Cape. In the north, it borders the Northern Cape; in the west, it extends to the West Coast district municipality; in the south, it reaches the Overberg district municipality; and in the east, it stretches to the Eden and Central Karoo district municipalities.  

Five  local  municipalities  are  potentially  suited  to  the  production  of  woody  biomass  in  short‐rotation systems in the CWDM (see Table 1 and Figure 1).  

 

Table 1: Local municipalities within the CWDM 

Name of local municipality  Major towns  Size (ha) 

Breede Rivier  Ashton, Bonnievale, McGregor, Montagu, Robertson 

332 982 

Breede Valley  De Doorns, Rawsonville, Touwsrivier, Worcester 

299 332 

Drakenstein  Paarl, Wellington  153 772 Stellenbosch  Stellenbosch, Pniel, Franschhoek  83 113 

Witzenberg Ceres, Nduli, Op‐die‐Berg, Prince Alfred’s Hamlet, Tulbagh, Wolseley 

1 360 762 

Total:  2 229 961 Source: Department of Agriculture: Western Cape, 1999 

 

Figure 1: General map of the CWDM and its local municipalities (Source: Department of Agriculture: Western Cap (1999)

3  

4  

 

1.5 Chapter layout 

 

This study is presented in five chapters, followed by a list of references and annexures.  

The first chapter serves to structure and orientate the study and as a general introduction.  

It is followed by Chapter 2, the ‘Literature Overview’, which reviews scientific articles and books relating to the  scope  of  this  study.  Firstly,  it  gives  a  general  introduction  to  the  literature  on  the  bioenergy  field, followed  by  sections  covering  the  literature  on  land  suitability  assessment  and  farm modelling.  Further literature  reviews  are  presented  concerning  biomass  production,  harvesting,  transportation,  and conversion.  

Chapter 3 gives, firstly, the algorithm applied to determine the total volume of woody biomass potentially available per hectare, RHFA, and landuse type. It also identifies physically suitable areas for woody biomass production.  Included here  is a  land data assessment,  the  land  suitability assessment methodology used, and a presentation of results relating to the aforesaid. Secondly, the chapter focuses on identifying suitable tree species  for woody biomass production  in a short‐rotation system, and  thirdly, a combination of  the previous  two  sections  is  given:  the  total  annual  volume  of  potential woody  biomass  production  in  the CWDM.  

In Chapter 4, the financial and economic feasibility of woody biomass production  is assessed by means of farm modelling. Various  scenarios, which differ by  location  and  site productivity,  as well  as  in  terms of production conditions, are simulated in order to determine the profitability of biomass production, and to determine where biomass production will be financially and economically feasible.  

The last chapter comprises of the conclusions and a summary.  

 

5  

2 CHAPTER: LITERATURE OVERVIEW 

2.1 Introduction 

 

The  goal  of  this  chapter  is  to  give  an  overview  of  the  literature  on  bioenergy  production  and, more specifically,  lignocellulosic biomass production. The methodology of assessing  land suitability using GIS to identify suitable areas for lignocellulosic biomass production receives specific attention. This is followed by an overview of the literature on farm modelling to determine the financial and economic viability of woody biomass  production.  An  overview  of  the  literature  on  biomass  production,  from  the  effects  of  land treatment to the pre‐processing of woody biomass, follows thereafter.  

 

2.2 Bioenergy considerations 

 

The growing evidence of climate change resulting  from  the continuing  increase of greenhouse gas  (GHG) concentrations  in the atmosphere has made  it a powerful political, social, and trade  issue.  In response to climate  change  threats,  interest  in  increasing  carbon  stocks  in  trees  and  the  use  of  tree  biomass  as  a substitute for fossil fuel, in order to minimise the increase in atmospheric carbon concentrations, has been growing among scientists, policymakers and governments (Guha, 2004). 

The potential  is  recognised  for biomass  to  contribute  to  reductions  in GHG emissions,  improved energy security, and rural diversification and development (Elghali et al., 2007). Berndes et al. (2003) predict that biomass has  the potential  to become one of  the major global primary sources of energy during  the next century, and modernised bioenergy  systems are postulated  to become  important  contributors  to  future sustainable energy systems and development in both industrialised and developing countries.  

 

2.3 Land suitability assessment 

 

Using GIS, various land suitability assessment studies were carried out in order to identify suitable areas for annual or perennial crops. An inventory of land resources was compiled for the South African Development Community (SADC) region and a  land suitability model developed to simulate the growth requirements of maize  as  an  annual  crop.  The  land  suitability  assessment was  based mainly  on  calculated  soil  nutrient availability  and  the  water  satisfactory  index.  Mean  decadal  climate  data  was  obtained  through  the cooperation of the SADC ‘Early Warning Network’ members (Kleynhans et al., 2001). In a follow‐up study, a land  suitability assessment was combined with  transport modelling  to  incorporate both  land quality and accessibility considerations  in order  to determine optimal maize production and distribution patterns  for the SADC region (Kleynhans & Kunneke, 2002). A land suitability assessment for a perennial crop, namely, citrus crops, was undertaken for the SADC (Houben, 2004), and a land suitability assessment together with transport modelling was  also  done  for  a  variety  of  agricultural  crops  in  the Western  Cape  in  order  to 

6  

investigate  institutional  factors  causing  production  patterns  to  deviate  from  optimal  production  and distribution patterns (Pretorius et al., 2000). 

DeHeegher (2001) attempted to develop an algorithm simulating the growth performance of Pinus patula and Eucalyptus grandis as part of a forestry land suitability assessment for the SADC region. The calibration of the model was not successful due to a coarse spatial dataset of 11 km by 11 km pixels.  

Elmore  (2008) assessed  the spatial distribution of another biomass source, agricultural residue  from rice, for potential biofuel production in China, which was further used in a case study using remote sensing and GIS to evaluate the feasibility of setting up new biomass power plants and optimising the locations of these plants for the Guangdong Province in China (Shi et al., 2008).  

Various  land  suitability and availability assessments have been undertaken  concerning  the availability of lignocellulosic  biomass  as  a  biofuel.  Ranta  (2005)  analysed  the  availability  of  logging  residues  from regeneration fellings for biofuel production  in Finland by means of GIS. Ghilardi (2007) used the so‐called Wood‐fuel  Integrated  Supply/Demand Overview Mapping  (WISDOM)  approach  to  assess  the  residential wood‐fuel  supply  and  demand  patterns  in Mexico,  based  on  a  spatial  analysis.  By  using  a  spatial  bio‐economic afforestation viability model, the economic viability of biomass for bioenergy from fast‐growing hybrid poplar plantations on agricultural land in Canada was explored by Yemshanov (2008).  

 

2.4 Farm modelling 

 

Various  South  African  studies  on  farm‐model  development  and  application  have  provided  valuable guidelines for the development of the structure of the general farm model applied in this study. As early as 1987, Van der Westhuizen and Kleynhans used  linear programming  to develop a  typical  farm model  for grain  farming  in  the Swartland  (Van der Westhuizen & Kleynhans, 1987). This study was  followed by  the application of typical farm modelling to assess the impact of underutilisation of combine harvester capacity on the profitability of grain farms (Van der Westhuizen & Kleynhans, 1988). The use of a spreadsheet for the development of typical farm models for various winter grain production areas in the southern Cape was demonstrated by Van Eeden et al.  (Van Eeden et al., 2002). Typical  farm modelling was also applied  to determine the  impact of scale of production on the profitability of deciduous fruit farms  in the Langkloof (Conradie  et  al.,  1996).  Another  application  of  farm modelling was  implemented  as  a  decision‐making support by Strauss (2005), the objective being to identify and construct a type of farm‐level model in order to quantify the likely impact of changes in markets and policies on the financial viability of a representative farm in the Reitz District of the Orange Free State.  

 

2.5 Biomass production 

 

The effect of  land preparation at  the  re‐establishment  stage of  fast‐growing hardwoods under eastern–South African conditions has been assessed by Smith et al. (2000). Wiseman et al. (2006)  investigated the effects of pruning and fertilising on branch size and decay in two Eucalyptus nitens plantations in Tasmania, Australia. A previous study on Eucalyptus nitens investigated the effects of fertiliser on leaf area index (LAI) 

7  

using different treatments (Smethurst et al., 2003). The effects of fertilisation and irrigation treatments on five tree genotypes (sweetgum, loblolly pine, sycamore, and two eastern cottonwood clones) were tested, focussing particularly on soil carbon change after  three years  (Sanchez et al., 2007). The performance of Eucalyptus species as coppices used for biomass energy  in New Zealand has been assessed by Sims et al. (1999).  

A general description of the steps in producing poplar and willow trees in a short‐rotation system is given in Chapter 12 of the book Energiepflanzen (Energy plants), published by KTBL in 2006 (Eckel, 2006). Walle et al. (2007) determined the biomass produced over four years by birch, maple, poplar and willow trees in a short‐rotation forestry regime in Flanders, Belgium.  

 

2.6 Biomass harvesting 

 

Valuable guidelines have also been provided by various  studies on biomass harvesting and biomass pre‐processing. As early as 1986 a study on two harvesting methods for utilising understory biomass was tested against a conventional harvesting method  in order  to determine  the  relative costs  (Watson et al., 1986). Harvesting  systems were also assessed  for  so‐called Short‐Rotation Woody Crops  (SRWC)  for production conditions in the USA (Seixas et al., 2006). Another study in Japan examined the feasibility of a harvesting and  transport system  for  logging residues,  including  the cost, energy and carbon dioxide effectiveness of substituting fossil energy with logging residues (Yoshioka et al., 2006). Various biomass harvesting systems were  also  discussed  in  a  report  on  the  in‐field  demonstrations  of  the  Kuratorium  für Waldarbeit  und Forsttechnik (German  lumber  industry and technique board)  in Germany (Kuratorium‐für‐Waldarbeit‐und‐Forsttechnik‐e.‐V., 2008).  

Current conditions and the prospects for using wood fuel in Belarus have been analysed by Semyonovich & Vekentievich (2008), focussing on equipment and technologies required for the combined procurement of merchantable wood and cutting wastes to be utilised for producing energy. The potential costs of utilising four  short‐rotation  silviculture  regimes  for  producing  energy  in  Chile  were  determined  in  a  study  by Faúndez  (2003).  The  development  of  short‐rotation willow  trees  in  the North‐Eastern United  States  for bioenergy in the context of agroforestry was determined by Volk et al. (2006). 

The  harvesting  and  supply  of  wood  chips  has  been  assessed,  looking  particularly  at  short‐rotation plantations  (SRP)  of  poplar  and  willow  trees  (Grosse,  2008).  Estimating  the  productivity  of  chipping operations and the modelling of various conditions under which the chipping takes place were investigated in  a  study  by  Spinelli  and Magagnotti  (2008).  Spinelli  et  al.  (2007)  also  described  their  experiences  of recovering logging residues in the Italian Eastern Alps.  

 

2.7 Biomass transport 

 

A variety of biomass  transport scenarios have been assessed by Hamelinck  (2005),  looking particularly at international transport costs and the related energy balance. Applying the life‐cycle inventory method, the environmental  load of selected bioenergy transport chains were  investigated,  indicating that biomass can 

8  

be  transported  from Scandinavia  to  the Netherlands without  losing  its environmental benefits  (Forsberg, 2000).  

 

2.8 Biomass conversion 

 

Bioenergy  conversion  systems  have  been  assessed  in  various  studies,  such  as  by  Fung  et  al.  (2002), Hofbauer et al. (2005) or Velden et al. (2008). State‐of‐the‐art technologies such as gasification, combustion and co‐firing of modern derived fuels like methanol, hydrogen and ethanol from lignocellulosic biomass for the production of electricity have been assessed by Faaij (2006).  

De Lange (2007) discusses these technologies  in his study  looking particularly at chemistry, processes and economics involved in converting lignocellulose.  

A general assessment of the commercial development of bioenergy globally, with the focus on crop‐based energy projects, has been done by Wright (2006).  

 

9  

 

3 CHAPTER: LAND SUITABILITY ASSESSMENT  

3.1 Introduction 

 

In this chapter, suitable land for biomass production in the CWDM, identified by means of GIS, is presented. Within the boundaries of the CWDM, non‐agricultural land, such as urban areas, bare rock and soils, water bodies, mines, and ecologically sensitive areas were excluded. Areas with slopes that are too steep were also  eliminated  due  to  their  limited  accessibility  and  trafficability.  Existing  forest  plantations were  also excluded. 

Suitable  tree species  for woody biomass production were  identified. The productivity of  these species  in different areas of  the CWDM, as affected by  temperature extremes,  frost and mean annual precipitation was assessed.  

By  applying  each  area’s  productivity  to  areas  suitable  for  production,  the  potentially  available  annual biomass volume  in the CWDM  is estimated. Limitations taken  into account  in determining suitable areas, the productivity  assessment  and  the  determination of potentially  available  annual biomass  volume,  are listed in Figure 2 below. 

 

 

10  

 

Area availability assessment  Biomass productivity assessment 

Cape Winelands District Municipality  Cape Winelands District Municipality 

       

  Total current land use Sub‐

division into 

RHFA groups 

Less 

Non‐suitable land use − Urban areas − Others (bare rock, bare soil, 

mines, etc.) 

Less 

Areas with terrain limitations  − Ground conditions − Ground roughness − Slope  (areas  that  are  too 

steep) 

Based on  

Relatively homogeneous farming areas ‐ Agricultural reasons ‐ Relative homogeneity 

o Climate o Terrain o Soil o Resultant farming 

pattern 

Less 

Forest plantations − Existing state‐owned forest 

plantation land (Cape‐Conversion‐Process areas) 

− Private forest land 

Based on 

Relevant climate criteria − Extreme temperatures − Days of frost − Mean annual precipitation − Potential 

evapotranspiration 

Less Areas with water limitations − Aridity index  = 

Selection  of  suitable  species per RHFA group 

Less 

Ecologically sensitive areas − Protected areas, e.g. nature 

reserves, national parks, etc. 

− Critical biodiversity areas − Water catchment areas − Waterbodies and wetlands  − Other sensitive areas from 

ecological and aesthetical points of view, as identified by an expert group 

plus 

Silvicultural assumptions ‐ Mean annual increment 

(MAI) ‐ Rotation/cycle length ‐ Number of trees or 

stems/hectare (sph) 

=  Land available 

   

= Expected  productivity  of selected  species  per  RFHA group 

      

Total volume of woody biomass potentially available ‐ Per ha ‐ Per RHFA ‐ Per landuse type 

 

Figure 02: Schematic outline of factors taken into account in determining the total mass of woody biomass that can potentially be produced in the CWDM. 

11  

3.2 Subdivision of CWDM 

 

3.2.1 Relatively homogeneous farming areas  

A Relatively Homogeneous  Farming Area  (RFHA)  is  a  spatial unit with  relative homogeneity  in  terms  of climate, terrain, soils and resulting farming pattern (Landbou‐Ontwikkelingsinstituut, 1990a, 1990b, 1991). Due  to  the availability of climate,  terrain, and soil data  for each of  the 41 RHFAs within  the CWDM,  the RHFA  is  used  as  the  appropriate  spatial  unit  for  determining  tree  species’  suitability  and  productivity. Furthermore, based on the RHFAs, the total volume of biomass available  is determined by combining the results from the area availability assessment and the biomass productivity assessment.  

 

3.3 Area availability assessment 

 

As indicated in Figure 2 above, the algorithm applied for the area availability assessment contains variables which require various spatial datasets. The land availability assessment starts with the current land usages in the CWDM, from which areas not available or not suitable for woody biomass production – such as areas with terrain limitations, forestry plantations, ecological sensitivity, and water bodies – are subtracted.  

 

3.3.1 Current landuse  

The  current national  land use 2000 dataset  (CSIR‐ARC‐Consortium, 2000) provides  standardised baseline data with enhanced spatial detail and information content, providing information on the nature, extent and location of current  land  resource utilisation. The dataset  is derived  from  seasonal  (two  seasons’ satellite imagery),  ortho‐rectified,  standardised,  high‐resolution  digital  imagery  from  a  Landsat  7  Enhanced Thematic Mapper  (ETM+), which was acquired principally during 2000‐2002,  in conjunction with ancillary data (Majeke et al., 2008).  

In the CWDM, the following land use types were identified:  

Table 2: Current landuse types in the CWDM  

No.  Description Land use area 

(ha) Land use  (% of total) 

1  Intensive permanent and temporary farmland  143 286 6.4 2  Extensive dryland and improved grassland  161 305 7.3 3  Forest plantations  11 922 0.5 4  Fynbos, shrubland and bushland  1 867 363 83.7 5  Water bodies and wetlands  22 387 1.0 6  Urban areas  12 032 0.6 7  Others (bare rock and soil, mines, etc.)  11 400 0.5   Total  2 229 695 100.0 

Source: CSIR‐ARC Consortium, 2000. 

12  

Urban  areas,  bare  rock  and  soil,  as well  as mines  are  excluded  a  priori.  Land  use  types  1,  2  and  4  are identified as being most suited for biomass production.  

 

3.3.2 Terrain limitations  

Some  areas were  excluded  due  to  terrain  limitations  in  terms  of  slope,  ground  condition  and  ground roughness, since these factors determine accessibility, manoeuvrability and trafficability, and thus the cost of woody biomass production. Furthermore, unfavourable terrain conditions limit plant growth and survival rates. Terrain  specific  spatial datasets  for  the CWDM were only available  for  the  slope  criterion, but by combining the land use dataset with the slope dataset, conclusions could be drawn about ground condition and roughness. Steep slopes are the least stable of all terrain types, and coupled with low soil‐clay content (less  than 15%), disturbance  in such areas carries potentially high environmental costs  (Forestry‐Industry Environmental Committee, 2002). Agricultural production  takes place mainly on  fairly  level  ground with good and smooth ground conditions, whereas forestry plantations using common forestry equipment can be  found  in  areas  with  up  to  35%  steepness,  as  well  as  in  areas  with moderate  and  uneven  ground conditions (Refer to Annexure 1 which shows a ground condition classification system).  

Generally, terrain can be classified as follows: 

Table  3: An  adapted  terrain  classification  system  for  biomass  production,  based  on  the  national  terrain classification system for forestry (Forestry Industry Environmental Committee, 2002) 

Ground conditions (trafficability on the stand) 

Ground roughness  slope 

1. Very good  1. Smooth  1. Level (< 10%) 2. Good  2. Slightly uneven  2. Gentle (11‐20%) 3. Moderate  3. Uneven  3. Moderate (21‐30%) 4. Poor  4. Rough  4. Steep 1 (31‐35%) 5. Very poor  5. Very rough  5. Steep 2 (36‐60%) 

    6. Very steep (> 60%)  

From a forestry perspective, a maximum slope of up to 35%  is recommended for afforestation. Slopes of 35‐60%  can only be  considered  if  the  soils are more  than 60cm deep  (the greater  the depth,  the more stable  the  slope  and  the  lower  the  erodibility).  Slopes  of  greater  than  60%  require  specialist  input, adherence  to  road  requirements,  and  other  restrictions  (Forestry‐Industry  Environmental  Committee, 2002). The upper limit of the first slope class (< 10%) has been derived from the assumption that a CLAAS combine harvester with a biomass harvesting head  (Regione‐Lombardia, 2008) could be utilised  for  fully mechanised harvesting. This machine requires a gradient of less than 10%, since a slope greater than 10% constrains its manoeuvrability, thereby limiting its effectiveness (Grosse, 2008).  

13  

Table 4: Slope classification for biomass production, showing area distribution  in the CWDM, and biomass production suitability  

Slope class 

Slope (%) 

Area (ha) 

Area (%) 

Suitability for biomass 

production Applicable machinery 

1  < 10%  1 210 164  54  Very suitable Standard agricultural and forestry machinery 

2  10‐20%  308 169  14 Very Suitable to suitable 

Specialised agricultural machinery, standard forestry machinery (wheeled) 

3  21‐30%  203 600  9  Suitable Wheeled and tracked forestry machinery 

4  31‐35%  86 268  4  Restricted  Tracked (wheeled) forestry machinery 

5  36‐60%  282 706  13  Very restricted Tracked forestry machinery, cable yarders, animals, manual extraction  

6  > 60%  138 786  6  Not suitable Cable yarders, animals, manual extraction 

 

Purely from a slope perspective, 81.1% (1.81 m ha) of the CWDM area  is potentially available for biomass production. Slope classes 5 and 6 (421 492 ha of land) can be ruled out since these areas are too steep for such production.  

 

Figure 3: Slope map of the CWDM 

Based on a Digital Elevation Model (DEM) dataset provided by Van Niekerk (2002) 

 

3.3.3 Forest plantations  

Various developments in the South African forestry industry in recent years, such as strong and continued growth  in  demand  for  wood  and  wood  products,  termination  of  timber  production  at  some  State plantations due  to  low productivity, particularly  in  the Southern and Western Cape  (VECON Consortium, 2006), as well as the increased use of logging residues by existing sawmills for generating their own energy, has  led to forest plantation residues not being available  in the CWDM for generating bioenergy. The total area under State‐owned forest plantations in the CWDM comprises 7 985 hectares (refer to Annexure 3 for a map and table indicating the location and extent of State‐owned forestry plantations in the CWDM).  

14  

 

3.3.4 Precipitation limitations  

Besides the abovementioned physical and technical limitations, agricultural or forestry production is limited inter alia by the net availability of water, which is determined by mean annual precipitation and potential evapotranspiration. The  so‐called Aridity  Index  (AI) was developed  in order  to  identify areas  suitable  for rainfed or dryland agriculture in the SATBVC states (South African states: Transkei, Bophuthatswana, Venda and Ciskei) (Scotney et al., 1991). In a dryland farming context, the AI can be described as follows (formula 1):  

                Formula 1 

AIx  Aridity index (true/ false) 

MMP  Mean Monthly Precipitation (in mm) 

MPET  Monthly Potential Evapotranspiration (in mm) 

x  limit of MMP/MPET ratio (in decimals) 

m  minimum number of months per year in which MMP/MPET equals or exceeds x 

Jan  January 

Dec  December 

 

Given monthly information on mean precipitation and potential evapotranspiration, a monthly ratio of the net availability of water can be determined. An MMP/MPET ratio of 0.3 is seen as the lower limit and 0.5 as the medium  limit for rainfed, dryland farming. Areas where the MMP/MPET ratio exceeds this  limit for at least five months per year can be seen as suitable for agricultural production under rainfed/dryland farming conditions. The lower limit describes areas where rainfed/dryland farming is generally possible, but where the  risk of  longer periods of drought  is  still  a possibility.  The medium  limit  implies  that  longer drought periods affecting rainfed/dryland farming are not expected.  

The  figure  below  shows  the  application  of  the  AI  in  the  CWDM,  indicating  suitable  areas  for  dryland farming. The hatched areas indicate an AI of at least 0.5 for a minimum of at least five months per year, the blue areas indicate an AI of 0.3, whereas the white areas identify areas with an AI of less than 0.3 in more than 5 months per year which makes them unsuitable for dryland farming. 

 

15  

 

Figure 4: Land available for agriculture under rainfed or dryland conditions using the AI 

Based on climate data provided by Schulze et al. (2006) 

 

The  AI  method  has  its  limitations  because  it  does  not  incorporate  water  surface  flow.  Relatively homogeneous  farming  areas  such  as  the  Overhex/Moordkuil  and  Breeriviervallei  areas,  of  which  the majority  is  not  suitable  for  dryland  farming  according  to  the AI,  receive water  predominantly  from  the surrounding mountains and are, therefore, still suitable for agricultural production.  

16  

17  

 

3.3.5 Ecologically sensitive areas  

Further exclusions are required to meet ecological conservation criteria. Three main types of environmental protection areas were  identified as needing  to be excluded  from  the potential biomass production  land: protected  areas,  critical  biodiversity  areas,  and  water  catchment  areas  (including  water  bodies  and wetlands). These are further specified below:  

1. Protected areas. a. Provincial nature reserves. 

Cape Nature Conservation controls conservation areas proclaimed under various statutes, viz. the wilderness areas – Forest Act No. 122 of 1984; the nature reserves – Forest Act No. 122 of 1984; the demarcated state forests – Forest Act No. 122 of 1984  (Section 10); the marine  reserves –  Sea  Fisheries Act No. 12 of 1988, etc.  Source: Cape Nature  (de Klerk, 2001/2006). 

b. Local authority nature reserves of the Western Cape. These nature reserves are proclaimed  in terms of the Nature Conservation Ordinance No. 19  of  1974  (Article  7).  The  reserves  are  owned  and  managed  by  local  authorities (municipalities, transitional councils and regional councils). Source: Cape Nature (de Klerk, 1987/2007).  

c. Mountain catchment areas (MCA) of the Western Cape. These are areas defined as  important  for conservation planning and management by  the Western Cape Nature Conservation Board. MCAs are proclaimed in terms of the Mountain Catchment Areas Act No. 63 of 1970. Source: Cape Nature (de Klerk, 1999/2006). 

d. National parks of the Western Cape. These areas are proclaimed as national parks under the National Parks Act No. 57 of 1976. Source: Cape Nature (Holness, 2002). 

e. Private nature reserves of the Western Cape. These  areas  are  proclaimed  as  private  nature  reserves  registered with  the  Cape Nature Conservation Board. Source: Cape Nature (de Klerk, 2001/2006). 

f. World Heritage Sites of the Western Cape.  Source: Cape Nature (de Villiers, 2001/2004).  

2. Critical biodiversity areas. Source: Cape Nature, integrated biodiversity layer (Kirkwood et al., 2007) a. Likely critical biodiversity areas. b. Known critical biodiversity areas. 

These areas have been identified as likely or known critical biodiversity areas by the South African National Biodiversity Institute in cooperation with various other organisations such as  Cape  Nature,  CSIR‐Environmentek,  the  Botanical  Society  of  South  Africa,  Nelson Mandela Metropolitan University, etc. (Driver et al., 2005). 

3. Water catchment areas, water bodies and wetlands. Source: Cape Nature,  integrated biodiversity layer and NLC 2000 (Kirkwood et al., 2007, CSIR‐ARC Consortium, 2000) 

a. Wetlands. b. Rivers. 

The Western  Cape  Nature  Conservation  board  recognises  areas  along  rivers  and  other water  bodies  as  important  ecological  support  areas  (CESA) which  are  protected  by  the 

18  

Conservation of Agricultural Resources Act No. 43 of 1983  (RSA, 1983) and  the National Water Act No. 36 of 1983 (RSA, 1998).   In order to protect these water catchment areas, buffer zones along the water bodies have been applied: for  large rivers, a 100m buffer and for small rivers, a 32m buffer. Wetlands are buffered differently (depending on the rank and size of the wetland) in order to ensure minimal impact around the buffer zone (Kirkwood et al., 2007).  

In  addition  to  the  above mentioned  ecologically  sensitive  areas, which  have  been  excluded mainly  for conservation reasons, other sensitive areas have been identified by an expert group (Marais et al., 2008) as being  not  suitable  from  ecological,  socio‐economic  and  aesthetic  points  of  view.  Based  on  the  above mentioned  area  availability  limitations,  preliminarily  results  of  potentially  available  areas  have  been revised, and a table  indicating these revised potentially available biomass production areas  in the CWDM, subdivided into RHFAs and slope classes, together wit an availability factor in this regard is attached (refer to Annexure 7). 

 

3.3.6 Net area availability  

By  applying  the  above‐mentioned  limiting  factors,  it  is  possible  to  identify  areas which  are  suitable  for biomass production.  In total, about 175 000 ha with slope gradients of  less  than 35% are assumed to be potentially  available  for  biomass  production.  In  61%  of  the  identified  areas,  conventional  agricultural machinery can be employed, due to a gradient of less than 10%.  

Most of the available land comprises fynbos, shrubland and bushland land use types, making up about 64% (112 410 ha) of total available land where biomass production would not compete with current agricultural or forestry activities (refer to Annexure 8).  

 

Table 5: Areas available for biomass production, subdivided into land use types and slope classes 

Slope classes No.  Land use – description (ha) 

≤ 10%  11‐20%  21‐30%  31‐35%  36‐60%  ≤ 35%  ≤ 60% 

I Intensive permanent and temporary farmland  

3 028 328 34 4 7  3 394 3 401

II Extensive dryland and improved grassland  

53 842 5 329 631 121 252  59 923 60 175

III  Forest plantations   0 0 0 0 0  0 0

IV Fynbos, shrubland and bushland  

51 147 31 320 21 125 8 818 27 053  112 410 139 463

V  CCP agricultural land   0 0 0 0 0  0 0VI  CCP forest plantation   0 0 0 0 0  0 0VII  CCP exit   0 0 0 0 0  0 0

  Total (ha)  108 017 36 976 21 790 8 943 27 313  175 726 203 039  Total (%)  61%  21%  12%  5%  16%  100%  116% 

19  

 

3.4 Productivity assessment 

 

Similar  to  the area availability assessment,  the  relatively homogeneous  farming areas are used as spatial planning units to identify suitable tree species and their productivity levels in order to assess the potential productivity of the area within the CWDM.  

 

3.4.1 Climate factors  

Prior to  identifying suitable tree species for biomass production, a detailed examination of major climate factors,  such  as  extreme  minimum  and  maximum  temperatures,  days  of  frost,  and  mean  annual precipitation (MAP) was required. This examination was also done to reduce the number of area units by grouping RHFAs,  since  similar  climatic  conditions  in  the  RHFAs  are  expected  to  result  in  similar  growth performances of the selected tree species.  

Long‐term average climate data from 1955 to 2000 was used (Schulze et al, 2006). 

 

3.4.1.1 Extremes in terms of maximum and minimum temperatures (°C)   

To  identify  suitable  tree  species,  the  hottest month  (February)  and  the  coldest month  (July)  are most significant in determining plant suitability, since during these months, tree species are particularly exposed to  heat  or  cold  stress.  In  general,  photosynthesis  in  agricultural  crops  increases  slowly  from  a  leaf temperature of about 5°C to an optimum when leaf temperatures are about 30‐35°C. Then it drops rapidly to zero at 45‐50°C, when optimum temperatures are exceeded. Longer periods of extreme temperatures combined with water  stress  or  frost  can  result  in  reduced  photosynthetic  activity,  causing  productivity losses or even losses of whole plants.  

The Western Cape is a winter rainfall area with a Mediterranean climate – cold, rainy winters, and hot, dry summers.  In  the valleys of  the mountainous areas of  the CWDM,  the vegetation has  to endure extreme minimum temperatures in July (less than minus 13.3 °C). Extreme maximum temperatures in February can rise up to 44.6 °C, measured in the Ceres Karoo (refer to Annexure 4 and 5 for maps indicating the extreme maximum  and minimum  temperature  distribution within  the  CWDM).  Therefore,  potential  tree  species have to be adapted to local temperature conditions.  

 

3.4.1.2 Standard deviation of number of occurrences of heavy frost  

Another  critical  factor  in determining  suitable  tree  species  for biomass production  is heavy  frost, which when  it occurs,  influences productivity  and,  in particular,  the  survival  rate of perennial  crops.  Frost  can result in various forms of damage to plant tissue, depending on tolerance factors (e.g. solute content of the 

20  

cells). A frost event becomes a freeze event when extracellular ice forms inside the plant, which can result in  freeze  injuries,  irreversible physiological conditions  that are conducive  to  the death or malfunction of plant cells (Snyder and Paulo‐de‐Melo‐Abreu, 2005). 

In the western part of the CWDM, little or no frost can be expected, whereas in areas of the Ceres Karoo, on more than 20 days per year heavy frost can be experienced (refer to Annexure 6 for a map indicating the standard deviation of numbers of occurrences of heavy frost in the CWDM). Hence, a variety of tree species had to be selected, suitable for  local conditions with no,  little  (< 4 days per year), frequent  (4‐8 days per year), or very frequent (> 8 days per year) occurrences of frost.  

 

3.4.1.3 Mean annual precipitation  

MAP is the long‐term average annual amount of water available to an area for hydrological and agricultural purposes.  Under  rainfed  conditions,  the  MAP  puts  an  upper  limit  on  a  region’s  sustainable  biomass production potential if other factors such as temperature, topography and soils are not limiting (Schulze et al., 2006).  

Similar to other climatic factors, the CWDM shows a wide variation of expected MAP, from as  little as 74 mm at a location in the Ceres Karoo to more than 2000 mm in the Franschhoek/Simonsberg farming area (Robertsvlei has an MAP of 2088mm).Figure 5 shows the MAP distribution for the CWDM. The spatial data was obtained using South African daily rainfall statistics  for the  last 15 years  (Schulze et al., 2006; Lynch, 2004).  

As  indicated  the net water availability  for plants under rainfed conditions  is determined by the MAP and potential  evapotranspiration  (PET)  of  an  area.  Perennial  crops  such  as  trees  for  biomass  production generally  develop  deep  rooting  systems,  resulting  in  higher  stress  resistance  and  tolerance  and  lower mortality rates, even under harsh conditions, given the assumption that the appropriate tree species have been planted.  The  expert  group  for  the  tree  species  assessment  concluded  that based on  the  available information no further  investigation of PET was necessary  in order to determine suitable tree species for biomass production.  

 

Figure 5: Mean annual precipitation in the CWDM 

Based on climate data provided by Lynch (2004) 

 

21  

22  

 

3.4.2 RHFA groups based on climate and proximity   

Due to the large number of relatively homogeneous farming areas within the CWDM, they are grouped into a manageable number of nine groups. The RFHAs are grouped according to site productivity, ranging from relatively high productivity (Group 1) to low productivity (Group 8). Site productivity is evaluated mainly in terms of MAP, minimum and maximum temperatures, and the occurrence of heavy frost, measured in days per year. The grouping of RHFAs was done by an expert group. Table 06 below shows the original RHFAs and groups created. 

Group  4b  ‘Berge’,  comprises  all  the mountainous  areas  in  the  CWDM,  irrespective  of  local  climate  or topography  differences  from  other  RHFAs. Overall,  this  group  has  climate  conditions  similar  to  that  of Group 4.  

Table 06: Climate data for the CWDM subdivided in RHFA groups 

Mean annual precipitation 

(mm) 

Extreme maximum 

temperatures (°C)  

Extreme   minimum 

temperatures (°C)  

Occurrences of heavy frost  

(days per year)Group RHFAs (Relatively homogeneous 

farming areas)  Min 

max 

mean 

min 

max 

mean 

min 

max 

mean 

min 

max 

mean 

Drakenstein/Groenberg  613  952  746  38.2  42.3  40.8  ‐2.8  0.8  ‐0.8  0.0  3.1  0.5 

Eersteriviervallei  475  1635  752  36.6  39.6  38.1  ‐2.5  2.5  0.9  0.0  2.3  0.1 

Franschhoek/Simonsberg  681  2028  1007  37.4  40.3  39.2  ‐2.7  0.9  ‐1.2  0.0  3.9  0.8 1 

Villiersdorp/Vyeboom  892  892  892  38.2  38.2  38.2  ‐0.8  ‐0.8  ‐0.8  0.6  0.6  0.6 

Goudini/Breërivier  271  926  632  31.7  41.2  39.5  ‐3.3  ‐0.2  ‐1.0  0.3  6.1  1.0 

Tulbagh/Wolseley  450  785  620  29.3  41.5  39.5  ‐5.8  ‐0.4  ‐1.9  0.2  12.8  2.0 2 Winterhoek  527  878  667  36.5  41.0  39.7  ‐1.5  ‐0.2  ‐0.7  0.1  1.5  0.4 

Agter‐Paarl  416  1029  569  39.2  41.7  40.6  ‐2.1  1.7  0.8  0.0  1.1  0.1 

Bergrivier/Paarl  459  882  690  40.2  42.2  40.9  ‐2.1  1.2  ‐0.1  0.0  1.0  0.2 

Bottelary  486  667  581  37.5  40.0  39.1  0.8  1.4  1.0  0.0  0.0  0.0 

Gemengde Boerderygebied  509  609  546  38.6  39.7  39.1  0.9  1.3  1.1  0.0  0.0  0.0 

Gouda/Hermon  206  706  530  35.8  41.9  39.2  ‐1.8  1.9  0.6  0.0  1.4  0.1 

Hoe Reenval Saaigebied  404  599  518  37.5  41.0  39.6  0.8  1.9  1.2  0.0  0.0  0.0 

Hottentotsholland  553  656  593  36.7  37.8  37.5  1.2  1.5  1.3  0.0  0.0  0.0 

Middel‐Swartland Saaigebied  549  561  555  37.8  38.3  38.1  1.5  1.7  1.6  0.0  0.0  0.0 

3 

Vier‐en‐Twintig Riviere  451  648  544  37.2  40.2  39.4  ‐0.8  0.8  0.4  0.0  0.5  0.1 

Bergplase  227  487  309  32.4  43.2  40.4  ‐4.2  0.1  ‐2.2  0.0  10.0  2.9 

Breëriviervallei  205  362  275  36.8  43.1  41.1  ‐3.0  ‐0.4  ‐2.0  0.2  5.2  2.5 

Langeberg Saaigebied  449  449  449  39.0  39.0  39.0  ‐3.8  ‐3.8  ‐3.8  7.2  7.2  7.2 

Overhex/Moordkuil  171  643  282  36.0  42.2  39.9  ‐4.1  0.4  ‐1.4  0.0  4.0  1.6 

4 

Ruens  351  353  352  40.8  41.4  41.1  ‐0.2  0.5  0.2  0.0  0.1  0.1 

(4b)  Berge  150  3198  490  20.4  42.8  35.4  ‐11.3  1.2  ‐4.4  0.0  24.6  7.3 

Hexvallei  250  355  304  28.0  39.7  36.4  ‐8.1  ‐3.7  ‐5.8  4.0  14.7  7.3 

Koo/Concordia/Bo‐Vlakte  275  465  376  31.2  37.0  35.1  ‐5.8  ‐4.0  ‐4.6  5.8  9.3  7.1 

Montagu‐Bergplaas  156  430  293  30.5  43.7  39.2  ‐6.1  ‐2.2  ‐3.7  2.0  8.1  4.6 

Montagu‐Kom  170  366  272  33.7  43.7  39.2  ‐5.7  ‐1.9  ‐3.6  1.3  7.6  4.5 

Montagu‐Rivierplaas  179  341  250  39.9  43.8  42.3  ‐4.1  ‐2.3  ‐3.1  2.2  5.6  3.9 

Stockwell  280  517  389  41.2  42.8  42.1  ‐3.2  ‐2.0  ‐2.6  1.7  3.9  2.8 

5 

Twisniet/Barrydale/Doornrivier 1  251  455  377  39.4  40.2  39.7  ‐3.2  ‐2.3  ‐2.8  2.5  4.1  3.1 

23  

Koue Bokkeveld  222  879  441  29.0  40.0  35.1  ‐10.0  ‐2.1  ‐5.7  2.2  20.2  10.6 

Montagu‐Saaigebied 1  222  345  265  36.0  40.3  38.6  ‐5.6  ‐4.1  ‐4.9  5.5  7.9  6.5 

Suid‐Oostelike Platogebied  344  352  348  34.2  36.7  35.5  ‐4.4  ‐3.3  ‐3.9  6.1  10.7  8.4 6 

Warm Bokkeveld  329  1194  525  31.7  39.9  37.2  ‐8.8  ‐3.5  ‐5.5  7.1  14.7  10.5 

Langeberg Voetheuwels  314  624  460  40.7  41.8  41.2  ‐2.0  ‐1.3  ‐1.7  0.8  1.9  1.2 

Montagu‐Saaigebied 2  177  426  276  25.0  40.4  34.3  ‐9.5  ‐3.4  ‐6.1  3.6  15.1  8.5 

Montagu‐Saaigebied 3  183  458  315  38.8  41.2  40.4  ‐3.3  ‐1.7  ‐2.5  2.7  6.2  4.2 

Touw/Ladismith‐Karoo  92  836  235  30.2  42.2  38.3  ‐7.4  ‐1.5  ‐4.2  1.9  8.8  5.4 

7 

Twisniet/Barrydale/Doornrivier 2  176  814  399  39.1  41.3  40.6  ‐3.5  ‐2.0  ‐2.6  3.0  6.7  4.4 

8  Ceres Karoo  72  414  198  35.1  44.6  42.0  ‐8.8  ‐1.2  ‐3.3  0.8  27.0  4.3 

 

 

3.4.3 Tree species selection  

After  reducing  the  number  of  RHFA  areas  into  nine  relatively  homogeneous  climate  groups,  suitable indigenous and exotic tree species were selected. Criteria for selection were inter alia tree productivity, site adaptability,  frost  and  drought  resistance,  species  origin,  invasiveness  and  ease  of  cultivation.  This was done  by  involving  experts  (Theron  et  al.,  2008)  who  were  acquainted  with  the  local  climate  and topographical  conditions  in  the  CWDM  and  were  recognised  for  their  silvicultural  and  dendrological knowledge. 

The  following  table  shows  the  recommended  indigenous  and  exotic  tree  species,  with  associated information  concerning  the  origin  and  invasiveness  of  species,  as  environmental  factors;  form  of regeneration; ease of cultivation and adaptability; site conditions, as silvicultural factors; and wood density, as an important physical property for the bioenergy conversion process.  

24  

 

Table 07: Suitable indigenous and exotic tree species for biomass production in the CWDM 

Re‐generation 

Genera  Species  Common name 

Origin  a 

technique 

coppicing 

Ease of cultivation  c 

Invasiveness  d 

Adaptability to site 

conditions  

Density 

(in kg/m3; oven dry) 

karoo  Sweet Thorn  ind.  se  No  ‐  1  5  710 e 

mearnsii  Black Wattle  ex.  se  No  ‐  5  5  680 e 

Acacia 

saligna  Port Jackson  ex.  se  Yes  1  4  5  596 f 

cunninghamiana  Beefwood  ex.  se  ‐  1  3  5  769 g Casuarina 

glauca  Swamp She‐Oak  ex.  se  ‐  1  3  5  897 g 

albens  White Box  ex.  se  Yes  1  3  3  1 100 h 

camaldulensis  Red River Gum  ex.  se  Yes  1  3  5  850 i 

cladocalyx  Sugar Gum  ex.  se  Yes  1  3  5  880 i 

globulus  Blue Gum  ex.  se  Yes  1  3  5  850 i 

gomphocephala  Tuart  ex.  se  Yes  1  3  3  910 i 

melliodora  Honey‐scented Gum 

ex.  se  Yes  2  3  3  930 i 

Eucalyptus 

polyanthemos  Red Box  ex.  se  Yes  1  3  5  830 i 

halepensis  Aleppo Pine  ex.  se  No  2  4  3  560 i Pinus 

radiata  Monterey Pine  ex.  se  No  1  3  5  480 i 

lancea  Karree  ind.  se/ cu  Yes  1  0  5  860 i Rhus 

pendulina  White Karree  ind.  se/ cu  Yes  1  0  5  860 i 

Schinus  molle  Pepper tree  ex.  se  Yes  4  4  2  610 j 

Ziziphus  mucronata  Buffalo Thorn  ind.  se/ cu  Yes  4  4  2  645 k 

Notes: 

a ind. = indigenous; ex. = exotic  b se = seedling; cu = cutting  c Ease of cultivation    (1 easy, 2 easy‐medium, 3 medium, 4 medium‐difficult, 5 difficult) d Invasiveness    (0 none, 1 low, 2 low‐medium, 3 medium, 4 medium‐high, 5 high) 

Sources: 

e (Wickens et al., 1995) f (Wendl, 2004) g (Chudnoff, 1996) h (Boland et al., 1984) i (Schoeman et al., 1973) j (Immelman et al., 1973) k (Van Wyk, 1994) 

Not  included  are  new  tree  hybrids, which  in most  cases  are  expected  to  outperform  the  species  listed above.  Particularly  Eucalyptus  hybrids  are  expected  to  have  higher  productivity  and  adaptability  levels. 

25  

Results  from  current  studies  in  this  field, undertaken at  the Department of Forestry and Wood Science, Stellenbosch University, are expected to be released at the beginning of 2009. 

 

3.4.4 Tree species productivity  

The aim of assessing suitable tree species for biomass production in the CWDM is to identify species which have adapted to the specific site conditions and are highly productive in the various areas (RHFA groups) of the CWDM. Hence, silvicultural production indicators, such as mean annual increment (MAI), the number of stems per hectare  (sph) and  rotation/cycle  length  (in years) needed  to be  shown  for  the  identified  tree species in accordance with the RHFA groups (Theron et al., 2008).  

Traditionally,  commercial  forest  plantations  are  aimed  at  timber  production.  This  type  of  production  is characterised  by  long  rotation  cycles  in  order  to  produce  high  quality  and  dimension  timber.  Biomass production has far fewer requirements in terms of wood quality and more emphasis on the maximisation of volumetric production per time and area units. Hence, trees will be harvested when reaching the maximum MAI, which  can be  influenced  inter alia by  the number of  trees planted per hectare and  the applicable production method used. Generally,  the more  trees per ha  that are planted,  the sooner  the MAI peak  is reached. The Institute for commercial forestry research (ICFR) Bulletin (9/99) indicates in various examples the correlation of sph and age, when the MAI peaks (Coetzee, 1999). 

Table 8 below  indicates suitable  tree species and their productivity rates  for  i.e. RHFA Group 1. For each silvicultural indicator, a minimum, a maximum and a mean scenario has been estimated and derived (refer to Annexure 9  for  the  full dataset  indicating  suitable  tree  species and  their productivity  rates per RHFA group).  

 

Table 8: Suitable tree species for biomass production in RHFA Group 01 

Growth rate/MAI[t/ha/a; fresh biomass] whole 

tree 

Cycle/rotation length 

(2 years after coppice) 

Trees per ha Potential yield [/ha/ rotation] 

fresh Species performance 

Group 1 

min 

max 

mean 

min 

max 

mean 

min 

max 

mean 

min 

max 

mean 

karroo  6  12  9.0  8  15  11.5  1 300  1 800  1 550  48  180  114.0 mearnsii  8  18  13.0  6  10  8.0  1 800  2 200  2 000  48  180  114.0 

Acacia 

saligna  8  15  11.5  5  8  6.5  1 800  2 200  2 000  40  120  80.0 cunninghamiana  8  18  13.0  6  10  8.0  1 300  1 800  1 550  48  180  114.0 Casuarina glauca  6  15  10.5  6  10  8.0  1 300  1 800  1 550  36  150  93.0 camadulensis  6  15  10.5  6  10  8.0  1 300  1 800  1 550  36  150  93.0 cladocalyx  8  18  13.0  6  10  8.0  1 300  1 800  1 550  48  180  114.0 globulus  8  18  13.0  6  10  8.0  1 300  1 800  1 550  48  180  114.0 gomphocephala  6  15  10.5  6  10  8.0  1 300  1 800  1 550  36  150  93.0 

Eucalyp‐tus 

polyanthemos  6  15  10.5  6  10  8.0  1 300  1 800  1 550  36  150  93.0 Pinus  radiata  8  18  13.0  10  15  12.5  1 300  1 800  1 550  80  270  175.0 

lancea  3  8  5.5  6  10  8.0  1 800  2 200  2 000  18  80  49.0 Rhus pendulina  3  8  5.5  6  10  8.0  1 800  2 200  2 000  18  80  49.0 

26  

3.5 Volume availability 

 

The  total  volume  of  lignocellulosic  biomass  available  is  determined  by  two major  factors,  namely,  the amount  of  land  available  and  the  expected  biomass  productivity  of  the  identified  potentially  available areas.  In Section 3.3 the potentially available areas are  identified, followed by Section 3.4, where the per hectare biomass productivity rates of suitable tree species is estimated.  

 

3.5.1 Selection of tree species with maximum productivity rates  

In order to assess the total potential availability of biomass in the CWDM, it has been assumed that those tree  species  with  the  highest  productivity  rates  will  be  planted  to  maximise  site  productivity.  Other potentially suitable tree species that have been  identified are expected to have similar productivity rates. Hence,  other  species  could  be  substituted  for  the  selected  species  below  (Annexure  9.  Full  dataset indicating suitable tree species and their productivity rates per RHFA group).  

In addition, the origin of the tree species (indigenous or exotic) has been shown.  

Table 9: Selected tree species and their productivity rates per RFHA group 

Mean annual increment (MAI) 

[t/ha/a; fresh] whole tree 

Mean annual increment (MAI) 

[t/ha/a; fresh] whole tree 

RHFA group 

Selected exotic tree species 

 (E. – Eucalyptus;  C. – Casuarina)  Min  Mean Max 

Selected indigenous tree species 

  

(A. – Acacia)  Min  Mean Max 01  E. claducalyx  8  13  18  A. karroo  6  9  12 02  E. claducalyx  7  11.5  16  A. karroo  6  9  12 03  E. claducalyx  7  11.5  16  A. karroo  6  9  12 04  E. claducalyx  4  8  12  A. karroo  5  7.5  10 04b  E. claducalyx  4  8  12  A. karroo  5  7.5  10 05  E. claducalyx  4  8  12  A. karroo  5  7.5  10 06  E. claducalyx  3  7.5  12  A. karroo  5  7.5  10 07  C. cunninghamiana  3  7  10  A. karroo  3  6.5  10 08  E. camadulensis  2  3.5  5  Rhus pendulina  3  5.5  8 

 

 

3.5.2 Expected volume available  

Applying  the  prospective  maximum  productivity  rates  to  the  potentially  available  areas  resulted  in production  estimates  for  each  relatively  homogeneous  farming  area,  subdivided  into  selected  land  use types  (refer  to Annexures 10‐15  for detailed  tables  indicating  the  annual biomass  availability per RHFA, selected  land  use  type,  and  slope  class).  Table  10  shows  the  total  potential  volumetric  availability  of lignocellulosic biomass  in  the CWDM  for  three productivity scenarios  (minimum, medium and maximum) per indigenous or exotic species, subdivided into slope classes. 

27  

 

Table 10: Total availability of lignocellulosic biomass for generating bioenergy in the CWDM 

Slope classes Volume available  (t/year; fresh biomass)  00‐10%  11‐20%  21‐30%  31‐35%  35‐60%    ≤ 35%  ≤ 60% 

Minimum productivity 

446 448  149 259  87 974  36 215  110 816  719 937  830 753 

Medium productivity  

878 170  291 517  171 661  70 692  216 919  1 412 040  1 628 959 Exotic  species 

Maximum productivity  

1 309 852  433 775  255 348  105 168  323 022  2 104 143  2 427 165 

Minimum productivity  

510 824  168 498  100 103  41 524  128 910  820 949  949 859 

Medium productivity 

809 607  271 190  159 854  65 807  201 928  1 306 457  1 508 385 Indigenous  species 

Maximum productivity  

1 108 389  373 883  219 604  90 090  274 945 

 

1 791 966  2 066 911 

 

On  average,  about  1.4 m  tonnes  of  fresh woody  biomass  could  be  produced  annually,  assuming  exotic species  are  being  planted  up  to  a  slope  gradient  of  35%,  and  about  1.3 m  tonnes  per  year  could  be produced by growing indigenous species. Assuming that about 33 000 tonnes of fresh biomass is required per annum to run a 2.5 megawatt electricity plant, up to 42 (say 39) plants could be supplied annually from the land potentially that has been identified as being potentially available for biomass production, given the limitations discussed above.  

28  

 

3.6 Conclusions 

 

This chapter provides the results required in answer to the first research question, namely, the location and extent  of  physically  suitable  areas  for  producing  biomass,  the  productivity  of  the  land  for  various  tree species, and the volume of woody biomass that can potentially be produced in the CWDM.  

The chapter starts by identifying – using GIS as a decision support to exclude various limitations – land for producing biomass  in the CWDM. Starting with the total area of the CWDM, nonagricultural  land such as urban areas, bare  rock and  soils, mines, and ecologically  sensitive areas have been excluded, as well as areas with  slope  gradients  that  are  too  steep  for  biomass  production,  due  to  limited  accessibility  and trafficability.  Further  land was  excluded  due  to water  and  land  usage  limitations  such  as  agriculture  or forestry. 

This is followed by an assessment of suitable tree species and their productivity rates – also using GIS with climate data, such as temperature extremes, frost, and mean annual precipitation; and terrain data. Tree species suited for woody biomass production are identified, and their growth performances determined.  

Based on area units comprising grouped RHFAs, prospective biomass productivity rates are given for  land identified as being potentially suitable for producing woody biomass. This is done to determine the volume of biomass  that could be  supplied annually  for generating bioenergy,  taking  into account  the  limitations discussed above.  

The agricultural  land  included  for producing woody biomass  is currently used  for a variety of crops, with which the prospective production of woody biomass will have to compete. The next chapter focuses on the financial and economic viability of producing woody biomass in the potentially suitable areas of the CWDM, as identified above.  

 

 

 

 

29  

 4 CHAPTER  IV:  PROFITABILITY  OF  WOOD  PRODUCTION  FOR  GENERATING 

BIOENERGY  

 

4.1 Introduction 

 

In the previous chapter, areas physically and technically suited to producing  lignocellulosic biomass  in the CWDM were  identified.  The  total  land  available  for  this  purpose  comprises mainly  cultivated  and  non‐cultivated agricultural land, as well as fynbos, shrubland and bushland.  

This chapter examines the potential for producing lignocellulosic biomass in the CWDM from a financial and economic point of view. Lignocellulosic biomass will have to be produced on uncultivated land comprising fynbos,  shrubland  or  bushland,  or  on  uncultivated  parts  of  grain  or  wine  grape/fruit  farms  that  are uncultivatable  for  agricultural  purposes  but  are  still  suitable  for woody  biomass  production,  and/or  on cultivated  parts  of  established  grain  or wine  grape/fruit  farms  in  competition with  existing  agricultural activities.  The  financial  and  economic  viability  of  producing  biomass  as  a  single  activity  on  previously uncultivated  land  comprising  fynbos,  shrubland or bushland or as an additional enterprise on a grain or winegrape/fruit  farm  is assessed by means of  farm modelling. The assessment of various versions of  the three scenarios are shown in this chapter:  

Scenario 1 – lignocellulosic biomass production on fynbos/uncultivated land as a single production activity not competing with other agricultural activities. Provision was made for four levels of land productivity and resultant  land values. The only capital expense provided  for was  land; no other capital  investments were included. All biomass‐producing activities are assumed to be undertaken by contractors to minimise fixed costs.  

Scenario  2  –  lignocellulosic  biomass  production  on  a  dryland winter‐grain  farm,  typically  in  the  rainfed grain‐ and livestock‐producing Gouda/Hermon farming area.  

Scenario  3  –  lignocellulosic  biomass  production  on  a  wine  grape/fruit  farm  such  as  the  intensive Montagu/Bergplase farming area, with grapes, peaches and apricots under irrigation.  

 

For scenarios 2 and 3,  it  is assumed  that a biomass production enterprise was added  to an existing  farm business,  competing  with  the  established  winter‐grain  or  wine  grape/fruit  enterprises  for  available resources such as  land,  labour and capital. Existing  infrastructure, machinery and permanent  labour were shared where possible.  

 

 

 

4.2 Farm model layout 

 

The prime goal of a multi‐period budget farm model is to simulate the operation of a farm business over a period of time. In order to understand the model and the role of input and output variables, the structure of the model is illustrated below (Figure 06). 

The model  consists of  three main parts, namely, model  input,  calculation and model output. The model input includes a general description of the farm business and its local conditions, the basic structure of the farm enterprises and their production activities, as well as their related  income and costs  (e.g.  farm‐gate price of output). In addition to this, an asset replacement function for non‐fixed assets is also incorporated (Strauss, 2005). The calculation component processes  the  input data  to generate values  for  the  relevant output variables.  

 

Figure 06: General structure of a farm‐level model (Strauss, 2005) 

30  

 

The calculation block (Figure 06) indicates the relationships between model  input and output variables. In contrast to the descriptive farm‐level modelling approach used by Strauss (2005), the multi‐period budget (MPB) model  is aimed at simulating a farming business,  i.e.  it projects the profitability of a farm business over a longer period of time.  

Similar to the farm‐level model, the MPB model requires information from the financial statements of the farm business to be modelled, namely, the income statement, cash flow statement and statement of assets and  liabilities,  in order  to  simulate a  realistic  farm business  scenario. Figure 7  illustrates  the  three main components of the MPB model and its related main variables.  

 

 

Figure 07: Multi‐period budget (MPB) model structure 

 

4.2.1 Model’s data inputs  

The  inflow variables, such as  farm‐gate price and  site productivity, are mainly determined by exogenous factors. The outflow variables represent funds needed for  land, fixed  improvements, overhead costs, and variable costs. The latter is guided by the operational assumptions of the farming business. More detail on the model’s input and output variables concerning woody biomass production, as well as the  little (or no) detail on competing well‐known agricultural crops are given below. 

 

 

31  

4.2.1.1 Farm‐gate prices of production outputs  

The  inflow, or so‐called Gross Value of Production  (GVP), per  farming activity  is determined by the  farm‐gate price and the amount produced.  In general, the farm‐gate price  is prescribed by the market price of the good.  

In  the case of biomass produced  for generating bio‐electricity,  the  farm‐gate price per  tonne of biomass produced is derived from the electricity tariff, taking into account the cost of converting wood to electricity –  transporting  the wood  from  the  farm  to  the processing plant and processing  the wood  logs  into  small chunks (Figure 08).  

 

Figure  08:  Schematic  overview  of  the  derivation  of  the  farm‐gate  price  for  biomass  from  the  price  of electricity  

 

4.2.1.2 Quantity of biomass produced  

The total quantity produced of a particular agricultural crop, including woody biomass, is determined by the land allocated to the activity and the expected yield per hectare (ha), as determined by variability  in yield over  a period of  ten  years  in  the  case of  the  grain  farm model. Yield  levels were obtained  from expert groups, who had access  to production cost study groups. The process of deriving  the volume of biomass produced per unit area and region are described in Chapter III.  

All  tree  species  selected  for  the  farm models  have  the  ability  to  coppice, meaning  that  they  can  be regenerated from coppice shoots. This implies that no planting is required for two to three rotations after harvesting, following the initially planted rotation (Little and Du Toit, 2003).  

Since  the goal of producing biomass  is not  timber quality, but purely volume,  the  recommended  time of harvesting is correlated with the maximum MAI. Trials with Eucalyptus grandis (Coetzee, 1999) have shown that with  increased numbers of sph, the maximum MAI can be achieved earlier. Hence, tree stocking and rotation length can be used to control the tree dimensions of the final crop, e.g. diameter at breast height (dbh) to allow easy harvesting. 

 

4.2.1.3 Variable costs  

Typical  variable  costs  of  producing woody  biomass  and  agricultural  crops  include  the  costs  of  fertiliser, herbicides and seasonal labour.  

 

32  

33  

4.2.1.4 Overhead costs  

Overhead costs usually include the following: communication (e.g. telephone and Internet); administration (e.g.  monthly  bank  charges,  vehicle  licences  and  stationery);  insurance  for  buildings,  vehicles,  and machinery;  maintenance  and  repairs  of  fixed  improvements;  and  remuneration  of  management  and permanent  labour. Cost‐saving opportunities exist  in  the cases of  the grain and wine grape/fruit models, where  the  biomass  enterprise  can  share  permanent  labour  and  machinery  costs  with  other  farming enterprises. Almost all of the activities related to the production of biomass – planting, fertilising, weeding, harvesting, etc. – are assumed to be performed manually. Mechanical harvesting  is done  in the northern hemisphere, but the viability thereof  in South Africa will be determined by the scale of the production of woody biomass in a region, and the machine‐labour cost ratio.  

For the farming business producing solely biomass (Scenario 1), it is assumed that no permanent labour will be  employed.  Only  seasonal  labour  or  contractors will  be  employed  in  order  to  perform  the  required biomass production activities.  

 

4.2.1.5 Intermediate capital expenses  

Intermediate  capital  investments  are  required  in  order  to  commence  the  production  operations  of  the farming enterprises. This includes investment in vehicles and machinery such as tractors, trailers and LDVs, or in the case of a grain farm, combine harvesters.  

The scale of grain production must be sufficient to ensure the (near) full utilisation of costly capital  items such as combine harvesters. When adding a biomass‐producing enterprise to a grain farm, multiple use of combine  harvesters  can  be  achieved  by  adding  a  biomass‐harvesting  head  such  as  the  HS‐2  biomass harvesting head for the CLAAS Jaguar 850 combine harvester (Regione‐Lombardia, 2008).  

Since the harvesting of biomass in the grain and the wine grape/fruit model is expected to be performed by permanent labourers, investment in chainsaws and protective forestry clothing is assumed.  

In the case of a biomass sole‐production business,  it  is assumed that all operations will be undertaken by contractors, and investments in any intermediate capital equipment will be avoided.  

 

4.2.1.6 Land and fixed improvements  

For each of the land‐use groups, the various realistic market values are included in the details given of both land and  fixed  improvements. The  land value  incorporates  the  contribution of  farm houses,  sheds,  farm workers’ houses, and special‐purpose farm structures to the value of the fixed improvements.  

The inclusion of land value has a major impact on the IRR. A low IRR for the production of woody biomass does not necessarily mean  that a  landowner will not  invest  in  it, because  the owner may keep  the  land primarily  for aesthetic  reasons or expected  land‐value appreciation, and may be more  interested  in  the gross margin expected from producing woody biomass.  

 

4.2.2 Model’s calculations  

The gross margin for each enterprise per area unit has been calculated to allow comparisons between the various farming enterprises within the farming business.  

Asset replacement is based on three factors, namely, funds available to replace assets, the condition of an asset requiring replacement, and  the  technological  ‘ageing’ of an asset. Only  the  two  last‐mentioned are implemented  in  terms  of  economic  life  expectancy,  since  the  farm model  incorporates  all  costs  arising during the defined period, in order to simulate the profitability of a farming business.  

In the discussion on the various applications of the farm model below, no specific attention is given to the calculations component. 

4.2.3 Model information outputs  

The model’s output consists of three main components, namely, total annual cash inflow, total annual cash outflow, and net annual cash flow, from which performance criteria such as the IRR can be determined.  

In  the  case of an MPB model,  total annual  cash  inflow  consists of  three  sections, namely,  the net gross value of production  (of  the  farm business),  the net  cash  inflow  from  replacing assets, and a  component combining all the other incomes of the farm business.  

The total annual cash outflow is subdivided into various sections and subsections. The variable costs can be divided  into directly  allocatable  variable  costs, which  are  related directly  to  farming  activities,  and non‐directly allocatable costs such as electricity and repairs of machinery which are not directly allocatable to farming  operations.  The  fixed  costs  consist  of  items  such  as  lease  payments,  permanent  labour, management salaries, insurances, communication costs (e.g. telephone), stationery, bank charges, property taxes.  Capital  expenditure  consists  of  two  components,  namely,  land  and  fixed  improvements,  and intermediate capital such as machinery, implements, equipment.  

Figure 09: Basic structure of multi‐period budget sheet 

 

34  

The model processes the inflow and outflow sections in terms of financial values or financial ratios in order to arrive at an outcome which evaluates the profitability of the farm business and compares it with others. Included  in  the  financial values/ratios are net cash  flow,  the  IRR, and  the expected development of cash flow.  

 

The IRR  is a capital budgeting measure used to decide whether an  investment  is profitable or not. It  is an indicator  of  the  efficiency  or  quality  of  an  investment,  as  opposed  to  net  present  value  (NPV), which indicates  value or magnitude.  The  IRR  is  the  annualised  effective  compound  rate of  return  that  can be earned on capital invested, i.e. the yield on the investment. Put another way, the IRR for an investment is the discount rate that makes the NPV of the investment’s income stream equal to zero (Peterson, 1994).  

                  Formula 2 

NPV   net present value 

t  time period 

CF   cash flow at the end of period t 

R  cost of capital 

T  number of periods that make up the length of the economic life of the investment 

 

35  

36  

 

4.3 Biomass sole‐production model 

 

As mentioned  in  the  introduction  to  this  chapter;  in Scenario 1,  the biomass  sole‐production model has been  applied  to  fynbos,  shrubland  and  bushland  areas,  as  well  as  to  uncultivated  and  uncultivatable agricultural land. Such land requires thorough soil preparation. The scenario was run for four levels of site productivity  and  correlated  land  value over  a production period of  45  years.  The  structure of  the  farm model  developed  in  the  previous  section  has  been  followed,  giving more  detail  on  aspects  typical  of  a model for biomass sole‐production.  

 

4.3.1 Model’s data inputs  

4.3.1.1 Inflow variables  

In order to derive the farm gate price for woody biomass, secondary transport costs, pre‐processing costs, as well as conversion costs were deducted  from the electricity tariff  (Figure 8). Cost  levels  for each were obtained from various experts and expert‐group work sessions. Agricultural crop yield levels were obtained from expert groups, with the experts having access to production cost study groups. The derivation of the volume of biomass produced per unit area is described in Chapter III. 

 

• Conversion costs 

Financial assumptions on conversion costs are based on the technology option proposed by Carbo Consult (Eckermann et al., 2008), based in South Africa. This is an integrated gasification plant utilising biomass as a feedstock.  Electrical  power  is  generated  using  an  internal  combustion  (IC)  engine  and  generator. Additionally, heat can be supplied from a heat recovery heat exchanger.  

The feedstock is wood chunks of up to 11 cm in length and diameter with a moisture content less than 20%. Some  5  t  of  feedstock  per  hour  are  required  to  produce  a  constant  2  500  kilowatts  (kW)  of  electrical output.  In  order  to  ensure  such  constant  production,  about  43  180  t  of  feedstock  has  to  be  supplied annually,  which  equals  approximately  118  t  on  a  daily  basis.  The  plant’s  overall  biomass‐to‐electricity efficiency rate is estimated at 22%.  

Figure 10 below shows a flow diagram of Carbo Consult’s CCE‐SJG Gasifier.  

 

Figure 10: Schematic diagram of Carbo Consult CCE‐SJG Gasifier 

Source: Eckermann et al. (2008) 

 

Table 11  indicates  the projected  total  investment  and  running  costs  for  an  integrated  gasification plant utilising biomass as a  feedstock based on a 2.5 megawatt  (MW) electricity conversion  system  (ECS). The total  conversion  cost has been extrapolated up  to a period of 20 years  in order  to  relate  the electricity conversion  system  to multi‐period  farm models. Additionally,  the economic  life expectancy of  the ECS  is generally  estimated  at  20  years.  If  operated  and  maintained  in  accordance  with  the  manufacturer’s instructions, the lifespan of the ECS can be even longer.  

Table 11: Technical and cost information on investment and running costs of Carbo Consult CCE‐SJG Gasifier 

Number of gasifier(s)  14 

Electricity plant size (in kWh)  200kW  2 500kW   per gasifier  total The ex‐work budgetary price for the 450 Nm³/h (each) 200 kW  R2 100 000 R29 400 000Installation cost including building and cooling pond  R600 000 R2 800 000Miscellaneous (10% of equipment costs)  R260 000 R3 640 000Total cost  R2 960 000 R35 840 000   

Naturally aspirated engine Genset  R750 000 R10 500 000Total engine cost  R750 000 R10 500 000   

37  

38  

Shed for wood storage  R3 505 138   

Total fixed investment (excluding O&M)   R49 845 138   

Time period (in years)  1  20 Shed for wood storage (O&M) @ 1.5% of purchase price/year  R52 577 R1 051 541O&M cost for Carbo Consult CCE‐SJG Gasifier  R1 866 667 R37 333 333One semi‐skilled personnel member (R42 000/year)  R42 000 R840 000Two night‐shift team leaders (R30 000/year)  R60 000 R1 200 00014 workers per shift (3 x 8 hours per day – R21 600/year)  R907 200 R18 144 000Total running cost  R2 928 444 R58 568 875

total outflow  R5 420 701 R108 414 013

 

The total investment cost of almost R50 m includes the cost of 14 gasifiers, installation costs, miscellaneous costs, the cost of 14 electricity generators  in parallel circuit, and the cost of a shed for storing and drying wood. The total annual running costs consist of administration and maintenance costs for the conversion plant and the storage shed, and wages for one semi‐skilled personnel member supervising the conversion process, two night‐shift team leaders, and one worker per shift in three shifts per day for each gasifier.  

Following feedstock procurement and pre‐processing, etc. only feeding and de‐ashing are required to run the ECS system. Thus, the ECS system is virtually maintenance‐free, except for regular maintenance of the Genset as prescribed by the manufacturer.  

Technical and cost details were obtained from Mr Gero Eckermann of Carbo Consult and Engineering (Pty) Ltd and were adapted by Mr Riaan Meyer from the Centre for Renewable and Sustainable Energy Studies, University of Stellenbosch.  

One tonne of biomass dried to a moisture content of 18% is projected to deliver 867.78 kWh, assuming an overall  conversion  efficiency  rate  of  22%.  Hence,  25  237  tonnes  of  biomass  are  required  annually  to generate a constant 2 500 kW of electricity. Assuming the electricity plant has a  life span of 20 years, the cost of generating one kWh of electricity  is estimated at R0.25 per kWh,  resulting  in conversion costs of R214.79 per tonne of biomass (Annexure 16 for a table indicating the cost structures per kWh and tonne of the proposed bioenergy system).  

 

• Pre‐processing costs 

The  conversion  system  described  above  requires wood  logs  to  be  pre‐processed  into  smaller  pieces  or chunks. The reaction zone of the gasifier has a throat diameter of approximately 22 cm. The wood logs will arrive at the conversion plant  in approximately 6.0 m  lengths. Upon arrival, the  logs will be cut  into disks with a stationary circular saw at the storage facility. In order to supply the electricity plant constantly with pre‐processed  biomass,  three  stationary  cross‐cutting  devices will  be  required.  The  investment  cost  for each is estimated at R50 000, with an economic life expectancy of 10 years. The total pre‐processing costs per  t of  fresh biomass, after  incorporating  investment  costs over a period of 20 years, are estimated at R20.35 at a load factor of 100% for the electricity plant (constant production of 2 500 kW of electricity).This amounts  to  R0.04  per  kWh  of  generated  electricity.  The  load  factor  refers  to  the  level  of  conversion capacity at which the electricity plant is running, i.e. at a load factor of 100%, the electricity plant is running at full capacity.  

 

• Secondary transport costs 

Secondary  transport  costs  refer  to  the  costs  of  transporting woody  biomass  from  the  farm‐gate  to  the electricity plant, to be distinguished from primary transport, which is from the plantation to the farm‐gate. The cost of the latter and the primary production costs have to be covered by the farm‐gate price. Table 12 and Figure 11 show the nonlinear relationship between the distance travelled and total transport costs, due to the  influence of the costs of  loading and unloading as fixed costs. To derive the farm gate price, three transport distances have been selected, namely 20, 40 and 60 km. Assuming the conversion efficiency rate is 22% for the electricity plant, resulting in 867.78 kWh/t, the transport costs can be translated as R0.09 per kWh of electricity generated at a transport distance of 20 km, R0.10 per kWh at 40 km, and R0.12 per kWh at 60 km.  

 

Table 12: Transport cost development with increasing distances 

Distance (km) 

Transport cost tariff (R/km) 

Total transport cost (R) 

Transportcost 

(R/kWh) 

Distance (km) 

Transport cost tariff(R/km) 

Total transport cost (R) 

Transport cost 

(R/kWh) 

        55  1.82  100.37  0.12 

10  9.32  93.24  0.11  60  1.78  106.64  0.12 15  4.95  74.21  0.09  65  1.71  111.01  0.13 20  4.06  81.19  0.09  70  1.64  115.04  0.13 

25  3.23  80.73  0.09  75  1.63  122.36  0.14 

30  2.68  80.48  0.09  80  1.62  129.55  0.15 

35  2.38  83.26  0.10  85  1.61  136.63  0.16 

40  2.08  83.00  0.10  90  1.60  143.84  0.17 

45  1.97  88.82  0.10  95  1.59  150.78  0.17 

50  1.87  93.62  0.11 

 

100  1.58  158.29  0.18  

 

Figure 11: Transport costs per km with increasing distance 

39  

40  

 

• Farm‐gate price of woody biomass 

As  illustrated  in Figure 6, the farm‐gate price for biomass  (R/t)  is derived from the electricity tariff minus conversion  costs, minus pre‐processing  costs, minus  secondary  transport  costs. The  farm‐gate prices  for each of six electricity tariff levels were determined, and are shown in Table 13. This was done to show the sensitivity of the farm gate price to possible ESCOM electricity tariff increases over the short and medium term.  

Table  13:  Farm‐gate  price  of  wet  woody  biomass  for  conversion  to  bioenergy,  derived  from  different electricity tariff levels 

R/kWh  R0.50  R0.75  R1.00  R1.25  R1.50   R1.75Electricity tariff (80% moisture content)  R/t  R253.61  R380.42  R507.22  R634.03  R760.83   R887.64

               

Electricity conversion costs(Load factor: 100%) 

R/t  R214.79 

               

Total pre‐processing costs (Load factor: 100%) 

R/t  R20.35 

               

20km  R81.19 

40km  R83.00 Transport costs  (R/t) 

60km  R106.64                

20km  R‐62.72  R64.09  R190.89  R317.70  R444.50   R571.31

40km  R‐64.53  R62.28  R189.08  R315.89  R442.69   R569.50

Farm‐gate price for woody biomass (80% moisture content, load factor: 100%)  60km  R‐88.17  R38.63  R165.44  R292.25  R419.05   R545.86

 

An electricity tariff of R0.50/kWh results in a negative farm gate price for woody biomass, while a tariff of R0.75/kWh gives a small positive farm gate price.  

 

• Quantity biomass produced 

The biomass sole‐production model was run using four volumetric productivity rates. The first assumes a high production potential using  Eucalyptus hybrids with  an MAI of 27  t  at  age 5yr  (fresh biomass).  The second  round assumes a MAI of 18  t at 7 years. The  third  round assumes a MAI of 9  t at 10 years. The fourth round assumes the lowest production potential with a MAI of 5 t at 15 years.  

 

4.3.1.2 Outflow variables  

For  the biomass sole‐production scenarios, only  the  investment  in  land will be considered.  It  is assumed that all activities relating to the production of biomass will be undertaken by contractors. The variable costs of producing biomass consist of four main components, namely, establishment costs; maintenance, or so‐called tending costs; harvesting costs; and post‐harvesting costs.  

41  

 

 

• Establishment costs 

Establishment costs are determined by three activities, namely, site preparation, planting and blanking. The term blanking refers to the replacement of dead seedlings shortly after planting, and replanting describes, in forestry terms, total replanting after clear‐felling.  

In  the  case  of  producing  solely  biomass,  full  preparation  of  the  land  is  required,  including mechanical preparation of the land with a bulldozer, as well as chemical preparation of the land in order to eliminate competing  vegetation.  To  enhance  the  growth  rate,  particularly  during  the  first  years  after  planting, fertiliser is applied. A chemical analysis of the soil is undertaken prior to planting and after each harvesting to  determine  the  application  of  fertilisers  required  to maintain  stable  soil  nutrition  and  to  ensure  the sustainable growth of the crop. It is assumed that the application of herbicides will be done with a portable applicator.  

Prior  to planting, a  land  survey will be undertaken,  to assess  factors  such as  soil and  terrain  conditions, location, main wind direction and fire protection (e.g. buffer zones, firebreaks).  

After preparing the land, the planting is done manually after having prepared planting pits at the required spacing, depending on the number of recommended stems per ha. In order to increase the survival rate after planting, water ensuring hydrogel can be provided to the plants (Viero et al., 2002). The planting and blanking costs include the costs of trees, fertiliser and labour.  

Table 14, below, indicates the assumed costs per rotation and hectare. A full preparation of the site is seen as  a  once‐off  expense  at  the  time  of  establishment  of  the woody  biomass  plantation.  Thereafter,  only applications of herbicides after clear‐felling have been assumed as a maintenance or tending cost.  

 

• Maintenance/tending costs 

Until  harvesting,  little maintenance  or  tending  is  necessary  in  comparison  to  conventional  agricultural production.  Tending  costs  include  those  for  fertiliser,  herbicides  and  labour.  Fertiliser  is  applied  in  low concentrations per tree in order to improve tree growth. Systemic herbicide applications are required until canopy  closure  is  reached, after which  competition  from weeds  is eliminated  (Little et al., 1997). Weed control and fertilising are done manually.  

 

• Harvesting costs 

The harvesting operation includes motor‐manual felling and de‐branching of trees with chainsaws, followed by  cross‐cutting  the  logs  into  sections  of  predetermined  length,  in  order  to  maximise  transport  and payload, manual loading and unloading, and primary transport to the roadside for further transportation to the electricity‐generating plant. The primary transport costs are based on the assumption that a tractor and trailer will be used  for a maximum  transport distance of 2 km up a maximum slope gradient of 10%. All harvesting costs are estimated per tonne (fresh biomass) and include operator costs and wages.  

42  

 

• Post‐harvesting costs 

After clear‐felling a plantation, coppice shoots are allowed to re‐sprout in order to regenerate the section. Once coppice shoots reach a height of between 1.5 and 2.0 m, they should be reduced to between one or two shoots per stump (Little and Du Toit, 2003). The aim is to achieve the same tree density that was used in the first planting operation, relative to the stand target concerned. More than one shoot per stump can be left to make up for the mortality of neighbouring stumps.  

This  procedure  can  be  repeated  at  least  two  to  three  times  after  the  initial  planting.  Thereafter,  it  is recommended that new, genetically improved tree material be planted between the original planting lines, after killing the original stumps with contact herbicides and allowing them to decompose (du Toit, 2008a).  

 

Table 14: Variable costs for biomass sole‐production businesses 

Variable costs for producing biomass per rotation/ha 

Version 1  Version 2  Version 3  Version 4 

Full site preparation (R/ha) (including mechanical land preparation estimated at R7 450.00/ha) 

R9 044  R9 044  R9 044  R9 044 

Planting (R/ha) (including cost of trees)  R4 681  R4 119  R3 556  R2 994 

Blanking (R/ha) (assumed mortality: 5%)  R139  R126  R113  R100 

Total establishment costs (R/ha)  R13 865  R13 290  R12 714  R12 139          

Fertilising (R/ha) (post‐planting, 1‐2 applications)  R865  R753  R650  R547 

Weed control (R/ha) (post‐planting, 2‐3 applications) 

R1 627  R1 627  R1 627  R1 627 

Total tending costs (R/ha)  R2 535  R2 381  R2 278  R2 174          

Harvesting (R/t)a   Felling and preparation  R45.00 Loading & unloading (R/t)a  Manual operation  R25.00 

Primary transport (R/t) Transport distance of 2 km  Extraction with tractor‐trailer combination  Maximum slope gradient of 10% 

R22.00 

Expected yield/rotation (t/ha) (fresh biomass)  135  126  90  75 

Total harvesting costs (R/ha)   R12 420  R11 592  R8 280  R6 900          

Thinning (R/ha) (reducing of excess coppice shoots)  R67  R67  R67  R67 

Others  R80  R80  R80  R80 Total post‐harvesting costs(R/ha)  R147  R147  R147  R147          

Total costs/rotation c(R/ha)  R21 641  R20 126  R16 135  R14 076 Notes: a All costs include operating costs and wages b R/t for fresh biomass c Costs for the initial mechanical land preparation are annualised over a period of 45 years 

 

 

 

43  

• Overhead costs 

A  basic  annual  fixed  cost  of  only  R9  600 was  included,  consisting  of  expenses  for  communication  (e.g. telephone and Internet), monthly bank charges and stationery. Overhead costs were obtained from expert groups, who had access to production cost study groups.  

 

• Intermediate capital costs 

Due to the outsourcing of all operations, it is assumed that no purchasing of machinery and equipment will be needed. 

 

• Land and fixed improvements 

No  fixed  improvements have been assumed  for the biomass sole‐production model. The  four versions of Scenario  1 were  chosen  to  show  decreasing  production  potentials.  Typical  land  values  for  the  land‐use groups were obtained  from Adval Valuation Centre  (2008). The  first round  is modelled at a  land value of R50 000 per ha, the second at R8 000, the third at R5 000 and the fourth, which  is assumed to have the lowest production potential, at R1 000.  

 

44  

 

4.3.2 Model’s information outputs  

The  four  versions  of  the  biomass  sole‐production  business  differ  in  terms  of  site  productivity  and corresponding land value. A production period of 45 years was assumed in all cases. The IRR was calculated for all four versions at various farm‐gate price levels. None of the four versions was viable at an electricity price of R0.75/kWh, or even at R1.00/kWh. An electricity tariff of R1.25 and a resulting farm‐gate price of R315.00 delivered a positive IRR. At a farm‐gate price of R442.00 (R1.50 per kWh), all four versions showed a positive IRR (see Table 15 below). 

Table 15: Profitability of biomass sole‐production scenario versions, based on IRR 

Scenario  1  2  3  4 Potential  High  Medium  Low  Very low 

High  Medium  Low  Very low Land value (R/ha)* 

R50 000  R8 000  R5 000  R1 000 Land for biomass production (ha)  200  200  200  200 Total cost of land (R)  R10 000 000  R1 600 000  R1 000 000  R200 000 

Species   Eucalyptus (hybrid) 

Eucalyptus claducalyx 

Eucalyptus claducalyx 

Rhus pendulina 

Stems per ha  sph  2 000  1 750  1 500  1 250 Rotation length  years  5  7  10  15 MAI (80% MC**)  t/ha/yr  27.0  18.0  9  5.0 MAI (18% MC**)  t/ha/yr  15.0  10.0  5  2.78 

 

R/kWh*  R/t*  Expected IRR over 45 years (%) 

R0.75  R62  ‐  ‐  ‐  ‐ 

R1.00  R189  ‐  ‐  ‐  ‐ 

R1.25  R316  5.3%  9.7%  4.9%  ‐ 

R1.50  R443  9.2%  14.0%  8.3%  4.4% 

Farm‐gate price (R/t) derived from various electricity tariffs (R/kWh) 

R1.75  R570  12.1%  17.3%  10.5%  6.5%  

  Expected price/t (80% moisture content) 

IRR  > 0%  R252  R212  R274  R385 

Notes:  * Based on the assumptions made in Section 4.3.1.1   ** Moisture content Source: Land value obtained from Adval Valuation Centre (2008) 

 

45  

 

4.4 Dryland farming scenario 

 

As mentioned in the introduction to this chapter, this section investigates the competitiveness of a biomass production enterprise as an additional farming activity in an existing dryland winter grain farming business (Scenario 2). The farm model simulates a typical winter grain farm in the Gouda/Hermon farming area, the winter grain‐producing western section of the CWDM. The total size of the farm is 1 000 ha, and the main farming activities are grain and livestock production, with which biomass production will have to compete. The existing  infrastructure, machinery and permanent  labour are shared  in order to benefit  from the  full usage of existing capacity. Four versions of Scenario 2, which differ in terms of percentage of land used for biomass production (5%, 10%, 20% and 40% of the total amount of available land respectively), have been modelled over a period of 20 years. The structure of the general farm model, explained at the beginning of this chapter,  is used as a guideline, and within the dryland farming model, more detail  is given to aspects typical of a biomass‐producing operation.  

 

4.4.1 Model’s data inputs  

4.4.1.1 Inflow variables  

All  farm‐gate  prices  and  production  quantities,  as  well  as  the  operational  assumptions  about  the agricultural production enterprises, were derived from production‐cost study groups and receive no further attention in this study.  

• Farm gate prices for production outputs 

The same derived farm‐gate prices for biomass in Section 4.3.1.1 have been applied to the dryland farming scenario.  

• Quantity of biomass produced 

The prospective biomass‐producing potential  for  the Gouda/Hermon  farming area has been estimated at an average MAI of 11 t per ha at age 6 (fresh biomass) using Eucalyptus hybrids and a rotation period of six years (Van Wyk et al., 2000; Du Toit, 2008b).  

 

4.4.1.2 Outflow variables  

In contrast to Scenario 1, Scenario 2 investigates the introduction of biomass production to a fully operating winter grain  farming operation, which offers  the opportunity of  sharing  resources and  thus  fully utilising infrastructure, machinery  and  labour,  but  also  the  prospect  of  competing  for  available  cultivated  land. Permanent labour costs form part of the overhead costs. Only herbicide and fertiliser costs are included as variable costs. No further seasonal labour is employed.  

46  

 

 

• Establishment costs 

Of the dryland farm, 98% is assumed to be cultivated or to have previously been cultivated. Hence, no full site  preparation  is  required  to  produce  woody  biomass,  and  existing  machinery  can  be  employed  to prepare  the  soil.  The  cost  of  planting  is  based  on  1  500  sph  at  R1.00  per  plant;  the  fertiliser  cost  is R0.94/tree (15 g N, 7.5 g P, 1 000 g  lime, plus various trace elements per tree). Blanking will be required, too, assuming a mortality rate of 5%.  

• Maintenance/tending costs 

In the first year after planting, and each time after clear‐felling, fertiliser  is to be applied to enhance tree productivity. To eliminate competing vegetation, herbicides will also be applied in the first one to two years after planting, as well as after clear‐felling, and this will continue until canopy closure.  

• Harvesting costs 

The harvesting operation, as with the sole biomass‐producing business, is also performed motor‐manually, and loading and unloading manually, since the same shape and size requirements apply. Primary transport will be undertaken with an own tractor‐trailer combination.  

• Post‐harvesting costs 

Post‐harvesting  costs  are made  up  of  the  cost  of  a  soil  chemical  analysis  (used  to  obtain  the  correct information needed  to adjust  follow‐up  fertiliser applications). Thinning will be performed by permanent labour, which forms part of the overhead costs.  

• Overhead costs 

Overhead  costs  include  the  remuneration of permanent  labour and management, and maintenance and repair costs for fixed improvements such as fencing and the water supply.  

 

Table 16: Total annual overhead costs for dryland farm scenario 

Total annual overhead costs  R/yr Maintenance & repairs, fixed improvements  (1.5% of total value of fixed improvements) 

R17 100  

Maintenance & repairs, intermediate capital (7.5% of annualised total value of intermediate capital) 

R61 858.69 

Maintenance & repairs, fencing  R6 000.00  

Maintenance & repairs, water supply  R4 500     

Management remuneration  R180 000  

Permanent labour remuneration  R158 625     

Fuel costs*  R645 201    

Insurance of assets (2.5% of total value of assets) 

R147 534 

47  

Vehicle licences  R8 425    

Communications (e.g. phone and Internet)  R24 000  

Bank administration charges  R 7 000  

Stationery  R 12 000  

Accounting/auditing fees  R 11 000     

Total fixed costs  R1 283 244  

 

• Intermediate capital costs 

The intermediate capital equipment consists of machinery, vehicles and the equipment required to operate a 1 000 ha grain and livestock farm, as well as the required biomass harvesting equipment.  

For every 50 ha under biomass production, the cost of one chainsaw plus an operator’s safety equipment set has been assumed. For each  scenario, one  spare  set has been added. The  same approach has been taken  for portable applicators  (pressure  sprayers) and other  items  such as knives  for  thinning and other necessary tools.  

Refer  to  Annexure  21  for  detailed  information  on  the  intermediate  capital  equipment  applied  and  the economic life expectancy (years) for each item, as well as on the purchase price (R), salvage price ratio (%) and resulting salvage price (R), assumed current age (years), total depreciation and total current value. 

 

• Land and fixed improvements 

The following expenses have been assumed for the dryland farming model:  

Table 17: Land and fixed improvements for dryland farming scenario 

Item  Amount  Value/item (R)  Total value (R) Farmhouse  1  R450 000.00  R450 000 Housing for permanent workers  6  R45 000.00  R225 000 Other buildings (2 offices & parking lots)  1  R60 000.00  R60 000 Main shed (machine storage, etc.)  1  R150 000.00  R150 000 Additional shed  1  R60 000.00  R60 000 Fencing  1  R240 000.00  R240 000 Water supply  1  R150 000.00  R150 000 Total fixed improvements*  R1 380 000        

Total land value  1 000  R20 000  R20 000 000        

Total land and fixed improvements  R20 000 000 Note: *Value of fixed improvements has been incorporated in the total land value  

4.4.2 Model’s information outputs  

Four versions of Scenario 2 (dryland farming model) are presented. The first version assumes 5% of land is allocated  to producing biomass, 93%  to producing grain and  livestock, and 2% remains uncultivated. The second version assumes 10% of land for biomass, the third 20%, and the fourth 40%.  

48  

When no biomass‐producing activity is applied in the dryland farm model, an IRR of 2.6% is expected over a period of 20 years. The derived farm‐gate prices and IRRs for the four levels of land allocated to producing biomass (see above) are presented in Table 18.  

 

Table 18: Profitability of dryland farming business scenario producing biomass, based on IRR 

Scenario  1  2  3  4 Total farm size (ha)  1000 ha  Homestead & others  20 ha  20 ha  20 ha  20 ha Agricultural land  930 ha  880 ha  780 ha  580 ha Biomass production land  50 ha  100 ha  200 ha  400 ha          Total intermediate capital equipment costs (Over period of 20 years) 

R16 495 650  R16 534 373  R16 611 819  R13 685 488 

Total costs for land and fixed improvements (Over period of 20 years) 

R20 000 000  

Species  Eucalyptus hybrid Stems per ha  sph  1 500 Rotation length  years  6  MAI (80% MC)  t/ha/yr  11 MAI (18% MC)  t/ha/yr  6.11 

 

R/kWh*  R/t*  Expected IRR over period of 20 years (%) 

R0.75  R62  1.86%  0.23%  ‐ 3.43%  ‐ 

R1.00  R189  2.23%  1.05%  ‐ 1.39%  ‐ 5.53% 

R1.25  R316  2.60%  1.82%  0.29%  ‐ 1.43% 

R1.50  R443  2.95%  2.53%  1.74%  1.46% 

Farm‐gate price (R/t) derived from various electricity tariffs (R/kWh) 

R1.75  R570  3.29%  3.20%  3.03%  3.75% 

 

Table 18 shows that the  IRR generally drops as the amount of  land allocated to the production of woody biomass  increases,  due  to  less  land  being  allocated  to  the more  profitable  production  of  wheat,  and underutilised combine harvester capacity. Version 4  is  the exception, as  the  IRR actually  increases when 400  ha  are  allocated  to  the  production  of woody  biomass, with  around  only  600  ha  still  remaining  for winter grain production, which is the amount of land that ensures full utilisation of one combine harvester. The  second  underutilised  combine  harvester, which  causes  high  fixed  costs  in  all  the  other  versions  of Scenario  2,  is missing  here.  The major  impact  of  underutilised  combine  harvester  capacity will  clearly influence the decision as to whether, and to what extent, woody biomass will be  introduced on a dryland winter grain farm. 

 

49  

 

4.5 Intensive farming scenario 

 

The intensive farming scenario (Scenario 3) simulates a farm in the Montagu/Bergplase farming area, with four existing traditional enterprises, namely, white and red wine grape production, apricot production, and peach production. The total farm size  is 300 ha, of which 40 ha comprises  irrigable arable  land. Similar to the  previous  simulation,  cultivated  land  is  allocated  to  producing  woody  biomass  at  four  levels,  i.e. replacing 5%, 10%, 20% and 40% of ‘classic’ intensive farming activities with biomass production. Scenario 3 differs from Scenarios 1 and 2, as it also provides for the allocation of water to irrigate plantations in order to  increase productivity by decreasing growth cycle  length. Existing  infrastructure, machinery, and  labour are shared or replaced in order to improve the utilisation rate of these resources. 

 

4.5.1 Model’s data inputs  

The  input data applied  in  the  intensive  farming scenario was obtained  from and verified by experts  from the  Montagu/Bergrivier  farming  area.  As  woody  biomass  is  not  commercially  produced  in  the Montagu/Bergrivier farming area and the effects of  irrigation  in a short rotation system are unknown for this area, assumptions about an improved MAI were obtained from Hoffmann (2008) and Du Toit (2008b) (Refer to annexure 24 for a table indicating the assumptions made for the intensive farming scenario).  

 

4.5.1.1 Inflow variables  

All assumptions regarding farm‐gate prices and production quantities, as well as assumptions regarding the operational aspect of the agricultural production enterprises have been derived from production cost study groups and do not receive further attention in this study.  

• Farm‐gate prices for biomass production outputs 

The  same  derived  farm‐gate  prices  applicable  to  biomass,  in  Section  4.3.1.1,  have  been  applied  in  the intensive farming scenario.  

• Quantity biomass produced 

The prospective biomass producing potential has been estimated at an average MAI of 28.8 t per h (fresh biomass) using Eucalyptus hybrids, at a rotation period of 3 years, based on the assumption that biomass plantations are irrigated.  

 

4.5.1.2 Outflow variables  

50  

A full farming setup  is assumed  in the  intensive farming scenario, which offers the opportunity of sharing infrastructure, machines, and labour, as well as water resources for irrigation. Seasonal labour is assumed to be employed, but only  for harvesting wine grapes, apricots and peaches. All  labour  requirements  for producing biomass are performed by permanent workers.  

 

• Establishment costs 

 

As it is assumed that all arable land is being used for fruit production, and all bare land has been previously cultivated, no full site preparation will be required. Own machinery, such as a tractor‐ghroub combination, is  employed  for  land  preparation.  Planting  costs  include  the  cost  of  2  500  sph,  at  R1.00  per  tree,  and fertiliser costs at the time of planting, at R0.59 per tree. Blanking will be required, assuming a mortality rate of 5%.  

Use of a dripping  irrigation system, allowing controlled  irrigation, and the application of fertiliser  in  liquid form, particularly during summer months, is assumed.  

• Maintenance/tending costs 

Maintenance/tending  costs  include  three  main  components,  namely,  weed  control,  fertilisation  and irrigation. In order to eliminate competing vegetation, weed control applications are required and have to be repeated until canopy closure is reached. Thus, two to three weed‐control applications after planting are assumed, both in the year of planting and after clear‐felling, as well as in the year thereafter.  

It is assumed that fertiliser will be applied in liquid form through the irrigation system. During the summer months, trees are irrigated with about 6 000 m³ of water per ha per annum, at a total cost of R2 200 per ha (for both water and electricity).  

 

• Harvesting costs 

Using  own machinery  and  permanent  labour,  harvesting  operations  are  planned  for  periods when  the permanent labour force is underutilised. Harvesting operations include manual clear‐felling with chainsaws, including  de‐branching  and  cross‐cutting  into  halves,  and manual  loading  and  unloading,  followed  by  a short haul to the roadside for further transportation to the electricity‐producing plant. All harvesting costs are estimated per tonne (fresh biomass); operating costs and wages are not included.  

 

• Post‐harvesting costs 

Post‐harvesting costs consist of the cost of a soil chemical analysis in order to adjust the follow‐up fertiliser application. Thinning will be performed by permanent labour.  

 

 

51  

 

Table 19: Annualised variable costs of producing biomass per rotation and ha for intensive farming scenario 

Variable costs of producing biomass  per rotation (R/ha)* 

Comment  R/ rotation 

Site preparation a Including mechanical land preparation with tractor‐ghroub combination and weed‐control application 

R197 

Planting b  Including cost of trees, 2 500 sph at R1.00 per tree  R2 092 

Blanking b  Assumed mortality: 5%  R105 Irrigation system c    R880 Total establishment costs (R/ha)  R3 274      

Fertilising  Post‐planting, 1‐2 applications  R734 Weed control   Post‐planting, 2‐3 applications  R1 080 

Irrigation  Water: ≈600m³/annum, electricity costs included  R6 600 

Total tending costs  R8 414      

Harvesting  R25.00/t  Felling and preparation  R2 115 

Primary transport   R22.00/t Transport distance: Max. 2 km, extraction with tractor‐trailer combination, max. slope gradient 10% 

R1 861 

Expected yield/rotation (t/ha)  

84.60t  fresh biomass, 80% moisture content   

Total harvesting costs (R/ha)  R3 976      

Thinning*  Reduction of excess coppice shootings  ‐ Others  Soil chemical analysis, etc.   R 108 Total post‐harvesting costs  R108      

Total costs/rotation   R15 742 Note: a Mechanical site preparation costs are annualised over a period of 20 years b Cost of trees is annualised for the total number of rotations c Capital cost of irrigation systems is annualised over a period of 20 years  

• Overhead costs 

The  overhead  costs  comprise  annual  fixed  costs  such  as  the  remuneration  of  permanent  labour  and management, and the costs of maintenance and repairs applicable to the fixed improvements, fencing, and water supply.  

 

Table 20: Total annual overhead costs for intensive farming scenario 

Total annual overhead costs  R/year Maintenance & repairs, fixed improvements  (1.5% of total value of fixed improvements) 

R41 250 

Maintenance & repairs, intermediate capital (7.5% of annualised total value of intermediate capital) 

R20 025 

Maintenance & repairs, fencing  R1 500 

Maintenance & repairs, water supply  R4 500    

Management remuneration  R180 000 

52  

Permanent labour remuneration  R175 000    

Total fuel costs*  R127 204 

Overhead electricity costs  R2 400    

Insurance of assets (2.5% of total value of assets) 

R106 606 

Vehicle licences  R2 155    

Communications (e.g. phone and Internet)  R24 000 

Bank administration charges  R7 000 

Stationery  R12 000 

Accounting/auditing fees  R11 000    

Total fixed costs  R696 293 

Notes: *Fuel costs assumed at R10.00/litre; total annual fuel costs depend on vehicles and machinery employed  

• Land and fixed improvement costs 

The following expenses have been assumed for the intensive farming model:  

Table 21: Land and fixed improvements for intensive farming scenario 

Land  Amount  Value/ha (R)  Total value (R) Homestead  5  R45 000  R225 000 Arable and irrigable land  40  R75 500  R3 012 450 Total land costs  R3 237 450        

Farmhouse  1  R450 000  R450 000 Housing for permanent workers  10  R45 000  R450 000 Other buildings (2 offices & parking lots)  1  R60 000  R60 000 Main shed (machine storage, etc.)  1  R150 000  R150 000 Others (fencing, water supply, etc.)  1  R1 550 000  R1 550 000 Total fixed improvements  R2 660 000        

Total land and fixed improvements  R5 897 450 Note: *Value for fixed improvements has been included in total land value  

4.5.2 Information on model’s outputs  

Four versions of Scenario 3 were developed, which differ in terms of the land usage being re‐allocated from agricultural  to biomass usage. Only wine grape production has been  substituted by biomass production, whereas high‐value crops such as apricots and peaches have not been replaced in any of the four versions. The total cultivated land is 40 ha. The first version assumes 2 ha is used for producing red winegrapes, 16 ha for white winegrapes, 8 ha for apricots, 12 ha for peaches, and 2 ha for biomass. The amount of  land used  for producing biomass  increases with each version, ending with 40% used  for producing biomass  in Version 4. 

The  success  variables,  indicated by  the  IRR, are  influenced by  various  factors,  such as  variable  costs  for production, labour, machinery and equipment, as well as for the costs of land and fixed improvements.  

53  

Winegrapes, apricots and peaches are perennial  crops, which only  reach  full production  capacity after a period of  time. Winegrapes,  for  instance, are assumed  to  reach  full production  in year  five; apricots and peaches  reach  full  production  capacity  in  year  six.  Given  the  condition  of  a  farming  business  at  the beginning of  the budget period,  it has been assumed  that  the  fruit orchards will differ  in age:  some will have been replaced recently and some will still need to reach full production capacity; others will be in full production, while others may  require  replacement during  the budgeting period. A change  in  the applied algorithm has a direct effect on the profitability of the farming business. The biomass‐producing plantations are assumed to be established at the start of the budgeting period.  

High‐value  crops,  such  as  wine  grapes,  apricots  and  peaches  require  high  inputs,  such  as  fertiliser, machinery and  labour. When replacing fruit orchards with biomass plantations, permanent  labour can be shared, and with an increased substitution of fruit orchards with lower input‐requiring biomass plantations, the need  for permanent  labour decreases, which  is  indicated by  the decreasing overhead costs shown  in Table 22.  

Generally, this also applies to machinery, but when utilising a lower percentage of land previously used for fruit production, the intermediate capital costs increase in order to fulfil all production requirements. Only at higher levels of production replacement costs for machinery can be saved (refer to Table 22 for the total intermediate capital costs of the different intensive farm model versions.)  

 

Table 22: Profitability of an intensive farming business producing biomass, based on IRR  

Version  1  2  3  4 Total farm size (ha)  40 ha  Red grapes  5%  2 ha  0%  ‐  0%  ‐  0%  ‐ White grapes  40%  16 ha  40%  16 ha  30%  12 ha  10%  4 ha Apricots  20%  8 ha Peaches  30%  12 ha Biomass  5%  2 ha  10%  4 ha  20%  8 ha  40%  16 ha          

Total overhead costs (Over period of 20 years)  R14 738 098  R14 151 701  R13 246 562  R12 467 458 

Total intermediate capital costs (Over period of 20 years)  R5 780 868  R4 759 542  R4 130 760  R4 118 406 

Total costs for land and fixed improvements (Over period of 20 years) 

R5 897 450.00  

Species  Eucalyptus hybrid Stems per ha  sph  2 500 Rotation length  years  3  MAI (80% MC)  t/ha/year  28.80 MAI (18% MC)  t/ha/year  16 

 

R/kWh*  R/t*  Expected IRR over period of 20 years (%) 

R0.75  R62  ‐ 1.08%  0.45%  ‐ 0.90%  ‐ 

R1.00  R189  ‐ 0.86%  0.82%  ‐ 0.14%  ‐ 8.03% 

R1.25  R316  ‐ 0.66%  1.18%  0.59%  ‐ 4.95% 

R1.50  R443  ‐ 0.45%  1.52%  1.27%  ‐ 2.73% 

Farm‐gate price (R/t) derived from various electricity tariffs (R/kWh) 

R1.75  R570  ‐ 0.25%  1.86%  1.92%  ‐ 0.93%  

54  

Red grapes  White grapes  Apricots  Peaches 10%  4 ha  40%  16 ha  20%  8 ha  30%  12 ha IRR of intensive farm model, without 

biomass production 1.60% 

Total overhead costs (Over period of 20 years)  R15 117 318 

Total intermediate capital costs (Over period of 20 years)  R5 189 232 

 

The  introduction of woody biomass production on a winegrape/fruit farm  in the drier parts of the CWDM generally causes a drop  in the  IRR, due to the substitution of a high value crop with a  large profit margin with woody biomass, and the more land that is allocated to woody biomass production, the more the IRR drops. This general pattern certainly inhibits the prospect of utilising a favourable climate, fertile soils and costly irrigation water for producing biomass at high levels of productivity. However, there is one exception that  is noteworthy.  Increasing  the area under woody biomass  from  four  to eight ha  is  the only  scenario where  the  IRR actually  increases  (from 1.86%  to 1.92%). This  is due  to a reduction  in  the machinery and implements needed  for  fruit production, and  thus a  fuller utilisation of  the existing  intermediate  capital stock. An important principle can be derived from this observation, namely, that the viability of introducing woody biomass as an alternative crop or enterprise depends, to a  large extent, on the profitability of the other conventional crops. An optimal size, and/or multiples of it, is necessary to achieve a reasonable IRR. Underutilised land on fruit farms provides opportunities for the production of woody biomass in the dryer parts of the CWDM. 

The input‐output ratio of woody biomass is not as good as it is for high‐value agricultural activities, despite the  advantages  of  sharing  good  soils  and  water,  thereby  decreasing  the  rotation  length  in  producing biomass. This  still does not  compensate  though  for  the  loss  in profit due  to  the decreased  coverage by higher value crops.  

55  

4.6 Conclusion 

 

The second research question stated in Chapter 1, namely, whether biomass production in different areas of  the CWDM with differing production potential will be  financially and economically  feasible, has been investigated and answered in Chapter 4.  

In Chapter 3, areas suited to producing woody biomass were identified. GIS was used to exclude unsuitable areas such as non‐agricultural areas, ecologically sensitive areas, areas with terrain and water  limitations, as well as areas with forestry plantations.  

Some of the land identified as suitable for producing woody biomass that can be classified as medium‐ and high‐potential  land  is currently being used  for agricultural production. Hence, woody biomass production will have to compete with the established production activities such as grain and fruit farming traditionally found here.  

Three scenarios have been developed, based on a multi‐period budget farm model. The model determines the internal rate of return (IRR) as a general measure of profitability and shows the impact on the IRR when woody biomass is produced on a typical winter grain farm and a typical winegrape/fruit farm in the CWDM.  

The  first scenario  focuses on  land which  is currently not being used  for agriculture, such as  less sensitive fynbos, shrubland or bushland areas, and uncultivated marginal agricultural  land on  farms  in the CWDM. Four  versions  have  been  simulated,  assuming  that  no  investments  in  intermediate  capital  and  fixed improvements are made, all overhead expenses are minimised, and all the activities required to produce biomass  are  performed  by  contractors.  The  four  versions  differ  in  terms  of  production  potential  and corresponding  land values. Furthermore, due  to  the different production potentials of  the  four versions, suitable  tree  species  for each area, which differ  in  terms of productivity and  rotation  length, have been selected.  

The results indicate that biomass production can be financially and economically viable. In the case of using land with a high production potential, the limiting factor is the high investment cost of the land. In contrast to  this,  Version  4  assumes  a  low  land  value  and  a  low  productivity  rate.  Long  rotation  cycles  and  low productivity rates make it less favourable. Still, at higher farm‐gate prices for biomass, this can be a viable option.  

The  intermediate versions of  the  sole biomass‐production  scenario appeared  to be more  financially and economically viable, due to lower investment costs in land and reasonable productivity rates.  

The second scenario implied the integration of biomass production as an additional enterprise with winter grain farming  in a  large area with medium production potential. The results show that producing biomass can be financially and economically viable, but considerations regarding the implementation and allocation of  land  for  this activity should  include a plan  to  fully utilise  the machinery on  the  farm, as underutilising costly machinery results in less favourable rates of return.  

Similar conclusions can be drawn from the third scenario, which simulated biomass production on a high‐value wine grape/fruit farm using a smaller scale. With irrigation, high productivity can be obtained, which results in increased performance and reduced rotation periods. Due to the smaller area used, less scope is envisaged  for producing biomass, but  this  could  still be  a  viable option when planning  involves  the  full utilisation of available machinery.  

56  

 

5 CHAPTER: CONCLUSIONS AND SUMMARY  

5.1 Conclusion 

 

The first research question asked where and how much woody biomass could be grown  in short‐rotation systems,  taking  into account  the  impact of various  factors such as climate and  terrain, as well as species variability.  

This was  addressed by  focussing on  the  location  and  the  extent of  areas physically  suited  to producing woody biomass, and the productivity of each area identified. These two criteria were required to determine the volume of wood potentially producible for each area  identified.  It was  initially decided that the study would  focus  on  the  production  of woody  biomass  in  plantations  in  short‐rotation  systems  to  allow  the efficient harvesting and the continuous supply of woody biomass to a bioenergy plant. It was also decided to not focus on biomass sourced from invader species, due to the low procurement efficiency of doing this.  

The  land  availability  assessment was undertaken by means of GIS, using  available  spatial datasets,  as  a decision support  tool  for excluding various  limitations. This allowed rapid creation of an  inventory of  the extent and suitability of land resources by excluding areas not suitable for producing biomass, such as non‐agricultural  land  (e.g.  urban  areas,  bare  rock  and  soil,  and mines),  ecologically  sensitive  areas,  forestry plantations, and slopes with gradients that are too steep, causing limited accessibility and trafficability.  

The available national and  regional datasets do not allow  for precise  farm‐level planning. However,  they can  provide  sufficient  estimates  of  biomass  production  capacity  to  determine  how  much  biomass  a planning  area  can  deliver,  for  instance, how much woody biomass  can be produced within  a particular maximum radius from a proposed bioelectricity plant.  

Three  land‐use  types  have  been  identified  as  being  generally  suitable  for  producing  woody  biomass, namely, a)  intensive, permanent and  temporary  farmland, b) extensive dryland and  improved grassland, and c)  fynbos, shrubland and bushland.  In total, approximately 175 000 ha have been  identified as being suitable for producing woody biomass in short‐rotation systems.  

Following  the  identified  locations  and  extents  of  areas  physically  suitable  for  producing  biomass  is  the productivity of these areas, which was determined by  identifying suitable tree species for woody biomass production  in short‐rotation systems and the expected growth rate of each species per area. Due to time limitations,  it was not possible  to prove  the  growth estimates  in  field  experiments. Expert  groups were involved  in  selecting  suitable  tree  species and estimating  the expected growth performances of selected tree species per area.  

Various tree species have been  included, both  indigenous and exotic. Generally,  it  is assumed that exotic species are better suited for biomass production in the more productive areas, and outperform indigenous species, but in the less productive areas, i.e. the drier areas, indigenous species are expected to outperform the exotic ones.  

 

57  

The second research question (see Chapter 1), namely, whether producing biomass in different areas of the CWDM  with  differing  production  potential  would  be  financially  and  economically  viable,  has  been investigated and is answered in Chapter 4.  

The main focus  in answering this question was on the areas  identified  in Chapter 3, namely, a)  intensive, permanent  and  temporary  farmland,  b)  extensive  dryland  and  improved  grassland,  and  c)  fynbos, shrubland and bushland.  

Physical  and  climatological  suitability does not  imply  that woody biomass production will be  embraced, either as a sole‐production activity or as an additional or substitute enterprise within a farming operation existing  in  the  areas  identified  as  being  suitable  for  producing  woody  biomass.  A  farm  model  was developed  to determine  the  impact of producing  biomass on profitability, measured  in  terms of  IRR. A biomass  enterprise  normally  has  lower  production  costs  and  earns  a  lower  income,  and  it  presents  an opportunity to share capital expense items and labour to reduce costs.  

The farm‐gate prices assumed for fresh biomass have been derived from an assumed price per kWh,  less secondary  transport  costs,  less  pre‐processing  costs,  and  less  conversion  costs.  The  national  electricity supplier’s prices per kWh are currently too low and do not internalise factors such as pollution, scarcity of energy,  and  limited  stock  resources.  Also market  prices  are  often  based  on  short‐term  considerations, thereby  undervalues  resources.  Current  ESKOM  tariffs  used  to  determine  the  farm  gate  price  of  fresh woody biomass result in a low or even negative IRR.  

Overall,  IRR  is also strongly  influenced by  the  land value of  the production site. A biomass producer can decide whether to value  land at a market price or  lower. Where high  land values are  involved, the  IRR  is expected to be low or even negative; where the land value is not taken into account, or where a low land value  is  involved,  biomass  production  can  represent  a  viable  option  for  a  farming  business,  showing  a positive IRR.  

Three scenarios have been modelled, based on the abovementioned land‐use types identified for biomass production in the CWDM.  

The  first  scenario,  the  so‐called  fynbos or biomass  sole‐production  scenario,  includes  areas with  a wide variety  of  high  and  low  production  potential.  Four  versions  have  been  simulated,  all  assuming  that  no investments  in  intermediate and fixed  improvements are made, all overhead costs are minimised, and all activities required for producing biomass are performed by contractors. The four versions differ in terms of production potential and corresponding land value, as well as tree species selected, which differ in terms of productivity and rotation period.  

The  IRR  depends  mainly  on  productivity  and  land  values.  Producers  may  accept  lower  IRRs,  as  their ownership of  land may be motivated mainly by  aesthetic  reasons,  and  these owners may opt  to use  a portion  of  their  land  for  producing  woody  biomass.  The  intermediate  versions  of  the  biomass  sole‐production scenario appeared to be more financially and economically viable due to lower investment costs in land and reasonable productivity rates. Overall, if the price of electricity increases to R1.25/kWh, the IRR for the biomass sole‐production scenario will look far more attractive. 

The  second  scenario,  the  so‐called  dryland  or  winter  grain  farm  scenario,  implies  integrating  biomass production  as  an  additional  enterprise  on  a  winter  grain  farm  involving  a  large  area  with  a medium production potential. Some scope for sharing machinery and labour exists in this scenario. Woody biomass production  in  this  scenario  can be  financially  and  economically  viable, but  a  consideration of producing 

58  

biomass and the allocation of land for this activity should include a plan to fully utilise the machinery on the farm.  

Lignocellulosic biomass production cannot compete with grain production  in  terms of profit at a derived farm‐gate price for fresh biomass based on current electricity prices. However, if electricity prices increase by 92%, assuming an electricity price of R0.65/kWh, biomass production on a winter grain farm becomes viable.  

The  third  scenario,  the  so‐called  intensive  farming  scenario,  simulates  the  integration  of  biomass production as an additional enterprise on a farm with highly productive land and high value crops, namely, wine grapes, apricots and peaches. What distinguishes this farming scenario from the previously discussed farming scenarios  is the availability of  irrigation water, which allows more vigorous tree growth and thus production of woody biomass over  shorter  rotation periods. However, woody biomass production  could not compete with high value crops, except where some land and water that would otherwise be cultivated by underutilised machinery.  

Woody biomass can most profitably be produced in fynbos and shrubland areas without competition from high  value  crops.  It  can  also  be  grown  on marginal  and  limited‐fertility  land  forming  part  of  grain  and winegrape/fruit  farms,  and where  land  becomes  available  after  a  farmer  has  disposed  of  underutilised machinery to reduce fixed costs.  

The  overall  conclusion  drawn  is  that  woody  biomass  production  promises  to  be  lucrative  enough  in uncultivated fynbos, shrubland and bushland areas – avoiding ecologically sensitive areas, areas with steep slope gradients of above 35%, etc – of which 1.12 million ha are available.  

By using only  identified areas from this  land‐use type for biomass production, giving consideration to the limitations discussed above, between 560 000 and 1.68 million  tonnes of  fresh woody biomass could be supplied  annually  to  generate bioenergy. Assuming  an  average  supply of  about  1.12 million  tonnes per year,  and  that  approximately  33  000  tonnes  of  fresh  biomass  are  required  annually  to  run  a  2.5 MW electricity plant, up to 34 such plants could be supplied annually from the prospective biomass production areas identified.  

 

 

 

59  

 

5.2 Summary 

 

This study has been subdivided into five chapters, a list of references and annexures.  

The first chapter served to introduce the study, as well as to structure and orient it. Firstly, it described the background of the study and indicated its limitations. This was followed by the problem statement and two research  questions,  which  were  answered  in  subsequent  sections  of  the  study.  A  description  of  the research approach and the methodology employed, and a general introduction of the study area followed. Subsequently, a preview of the layout and contents of the chapters was provided.  

Chapter two, the ‘Literature Overview’, reviewed scientific articles and books that related to the scope of the study. First an introduction the literature on the field of bioenergy was provided. This was followed by overviews  of  the  literature  on  land  availability  assessment  and  farm  modelling,  as  well  as  on  the production, harvesting, transportation, and conversion of biomass. 

The  third  chapter  provided  an  introduction  to  land  suitability  assessment  and  presented  the  algorithm applied  to determine  the  total volume of woody biomass potentially available per ha,  land‐use  type and RHFA. Following this section, the study area was described and subdivided into RHFAs, in accordance with the  algorithm.  Subsequently,  a  more  detailed  introduction  to  area  availability  assessment  was  given. Various existing  land‐use  types were  assessed  and described  as being potentially  suitable  for producing biomass, while others such as urban areas, bare rock and soils, water bodies, and forest plantations were excluded  on  the  basis  of  their  having  been  identified  as  being  unsuitable.  Further  restrictions  on  land availability,  such  those brought  about by  terrain  and precipitation  limitations,  and  ecological  sensitivity, were described and imposed. In terms of the aforesaid, areas that are suitable and potentially available for biomass production, based on land‐use type and slope, were identified.  

Suitable  tree  species  for  producing  biomass  in  a  short‐rotation  system  were  identified,  based  on  the climatic  factors  described, which  are  temperature  extremes,  and  frost  and mean  annual  precipitation. Using this climatic data, the RHFAs were grouped to obtain a manageable nine groups, which range from relative high productivity to poor productivity. Various indigenous and exotic tree species were identified as being  suitable, and  their productivity  rates were estimated. Finally  in  this chapter,  the previous  sections were combined, and the availability of lignocellulosic biomass for generating bio‐energy in the CWDM was presented.  

In  Chapter  4,  the  potential  for  producing  lignocellulosic  biomass  in  the  CWDM,  from  a  financial  and economic perspective, was examined  through  the use of  farm modelling. Firstly, a general description of the  layout of the farm model was given, which covered the model’s data  input, namely, farm‐gate prices, produced quantities, variable costs, overhead costs, intermediate capital costs, as well as the costs of land and  fixed  improvements.  The  description  of  the  second  component  of  the  farm  model,  the  model’s calculations, was followed by a description of its third component, the model’s information output.  

Three applications of the farm model, which differed in terms of location and site productivity, as well as in terms of production conditions, followed. These scenarios simulated the profitability of producing biomass in order to determine where biomass production would be financially and economically viable.  

60  

The first scenario comprises a biomass sole‐production model, which derived the farmgate price for woody biomass, based on varying electricity tariff  levels. This was followed by a description of outflow variables, such  as  establishment  costs,  maintenance/tending  costs,  harvesting  costs  and  post‐harvesting  costs. Further  costs,  such  as  overhead  costs  and  the  expenses  of  land  and  fixed  improvements,  were  also discussed  in  terms  of  the  biomass  sole‐production  scenario.  This  resulted  in  the  presentation  of  four versions of this scenario which differed with regard to land value and land potential.  

The second scenario, the dryland farming scenario, describes the implementation of a biomass production enterprise as an additional farming activity on an existing dryland winter grain farming business. Similar to the previous scenario, the relevant model’s data  inputs were described. Surpassing the previous scenario, this model also includes a section on intermediate capital costs. The results of this scenario differ in terms of agricultural land being re‐allocated from other farming activities to the production of biomass.  

The  third  scenario  simulates  a  wine  grape/apricots  and  peach  farming  business  to  which  a  biomass production enterprise has been added; it incorporates the existing traditional enterprises being substituted at varying levels with biomass production.  

This last chapter presented the conclusions of the study, followed by this summary. In turn, this is followed by the ‘References’ and a series of annexures.  

 

 

 

61  

 

REFERENCES  ADVAL VALUATION CENTRE  (2008). Estimation of  land  values  for  various  sites with different production 

potentials, Stellenbosch, South Africa. VON DODERER, C & KLEYNHANS, T.E. BERNDES, G., HOOGWIJK, M. & BROEK, R.V.D.  (2003).  The  contribution  of  biomass  in  the  future  global 

energy supply: a review of 17 studies. Biomass and Bioenergy, 25: 1‐28. BOLAND, D.J., BROOKER, M.I.H., CHIPPENDALE, G.M., HALL, N., HYLAND, B.P.M., JOHNSTON, R.D., KLEINIG, 

D.A. & TURNER, J.D. (1984). Forest trees in Australia. Melbourne: Thomas Nelson Australia. CHUDNOFF, M. (1996). Casuarina spp. – wood technical fact sheet. Forest Products Laboratory. COETZEE, J. (1999). Growth prediction for short rotation E. grandis crops. ICFR Bulletin, 9/99. CONRADIE,  B.J.,  ECKERT,  J.B.,  KLEYNHANS,  T.E. & GRIESSEL, H.M.  (1996).  Apple  production  systems  for 

small‐scale farmers in the Western Cape. Agrekon, 35. CSIR‐ARC CONSORTIUM (2000). National Landcover Database for South Africa (NLC 2000). 2000 edn., CSIR‐

ARC Consortium. DEHEEGHER, T.  (2001). Ontwikkeling van  landgeskiktheidsmodelle vir Pinus Patula en Eucalyptus Grandis. 

Leuven, Belgium, Catholic University of Leuven. DEPARTMENT OF AGRICULTURE: WESTERN CAPE (1999). Boundaries of local municipalities within the Cape 

Winelands District Municipality. (Digital dataset). Stellenbosch, South Africa.  DRIVER, A., MAZE,  K.,  ROUGET, M.,  LOMBARD, A.T., NEL,  J.,  TURPIE,  J.K.,  COWLING,  R.M., DESMET,  P., 

GOODMAN, P., HARRIS,  J.,  JONAS, Z., REYERS, B., SINK, K. & STRAUSS, T.  (2005). National Spatial Biodiversitiy  Assessment:  Priorities  for  Biodiversity  conservation  in  South  Africa,  Pretoria,  South African National Biodiversity Institute. 

DE  LANGE,  J‐P.  (2007).  Lignocellulose  conversion:  an  introduction  to  chemistry, process  and  economics. Biofuels, bioproducts and biorefining, 1: 39‐48. 

DE  KLERK,  H.D.  (1987/2007).  Local  Authority  Nature  Reserves  (ca_loc.shp).  5th  revised  version Stellenbosch, South Africa, Western Cape Nature Conservation Board. 

DE KLERK, H.D.  (1999/2006). Mountain Catchment Areas  (ca_mca.shp). 2nd  revised version Stellenbosch, South Africa, Western Cape Nature Conservation Board. 

DE KLERK, H.D.  (2001/2006). Private Nature Reserves  (private_nature_reserves.shp). 10th revised version Stellenbosch, South Africa, Western Cape Nature Conservation Board. 

DE  VILLIERS,  R.D.  (2001/2004). World Heritage  Sites  (world_heritage_sites_gw.shp).  Stellenbosch,  South Africa, Western Cape Nature Conservation Board. 

DU TOIT, B. (2008a). Eucalyptus hybrids – properties and performance estimates for the Eerste Rivier Vallei farming area. 12.09.2008, Stellenbosch, South Africa. VON DODERER, C. 

DU TOIT, B.  (2008b). Production potential estimates  for dryland  farming  scenario  in  the Gouda‐Hermon farming area. Stellenbosch, South Africa. 

ECKEL, H.  (2006).  Energiepflanzen  –  KTBL‐Datensammlung mit  Internetangebot, Darmstadt,  Fachagentur Nachwachsende Rohstoffe e.V. 

ECKERMANN, G., MEYER, R. & AMIGUN, B.  (2008). Gasifier & gas engine/dual diesel engines. 28.11.2008, Stellenbosch, South Africa. VON DODERER, C. 

ELGHALI,  L.,  CLIFT,  R.,  SINCLAIR,  P.,  PANOUTSOU,  C.  &  BAUEN,  A.  (2007).  Developing  a  sustainability framework for the assessment of bioenergy systems. Energy Policy, 35: 6075‐6083. 

ELMORE, A. J., SHI, X., GORENCE, N. J., LI, X., JIN, H., WANG, F. & ZHANG, X. (2008) Spatial distribution of agricultural residue from rice for potential biofuel production in China. Biomass and Bioenergy, 32, 22‐27. 

FAAIJ, A. (2006). Modern biomass conversion technologies. Mitigation and Adaption for Global Change, 11: 343‐375. 

FAÚNDEZ, P. (2003). Potential costs of four short‐rotation silvicultural regimes used for the production of energy. Biomass and Bioenergy, 24: 373‐380. 

62  

FORESTRY INDUSTRY ENVIRONMENTAL COMMITTEE (Ed). (2002). Environmental Guidelines for Commercial Forestry  Plantations  in  South  Africa,  Rivonia,  South  Africa,  Forestry  Industry  Environmental Committee. 

FORSBERG, G.  (2000). Biomass energy  transport – analysis of bioenergy  transport  chains using  life  cycle inventory method. Biomass and Bioenergy, 19: 17‐30. 

FUNG, P.  Y. H., KIRSCHBAUM, M. U.  F., RAISON, R.  J. &  STUCLEY, C.  (2002) The potential  for bioenergy production  from  Australian  forests,  its  contribution  to  national  greenhouse  targets  and  recent developments in conversion processes. Biomass and Bioenergy, 22, 223‐236. 

GHILARDI,  A., GUERRERO, G. & MASERA, O.  (2007)  Spatial  analysis  of  residential  fuelwood  supply  and demand patterns in Mexico using the WISDOM approach. Biomass and Bioenergy, 31, 475‐491. 

GROSSE, W.  (2008). Wood energy  from plantations: Harvesting  and  supply of wood  chips.  FORMEC  '08. Schmallenberg,Germany: KWF (Kuratorium für Waldarbeit und Forsttechnik e.V.). 

GUHA, A.B.A.G.S.  (2004).  Trees  for  carbon  sequestration  or  fossil  fuel  substitution:  the  issue  of  cost  vs carbon benefit. Biomass and Bioenergy, 27: 41‐55. 

HAMELINCK, C. N.,  SUURS, R. A. A. &  FAAIJ, A. P. C.  (2005)  International bioenergy  transport  costs  and energy balance. Biomass and Bioenergy, 29, 114‐134. 

HOFBAUER, H., RAUCH, R., FUERSINN, S. & AICHERNIG, C.  (2005) Energiezentrale Guessing. Berichte aus Energie‐ und Umweltforschung. 

HOFFERT, M., CALDEIRA, K., JAIN, A., HAITRES, E.F., HARVEY, L., POTTER, S., SCHLESINGER, M., SCHNEIDER, S., WATTS, R., WIGLEY,  T. & WUEBBLES, D.  (1998).  Energy  implications  of  future  stabilisation  of atmospheric CO2 content. 

HOFFMANN, W. (2008) Multi‐period budget model ‐a farm level approach. Stellenbosch, South Africa. VON DODERER, C. & KLEYNHANS, T.E. 

HOLNESS,  S.  (2002).  South  African  National  Parks  (cfr_national_parks_gw.shp).  4th  revised  version Humewood, South Africa, Western Cape Nature Conservation Board. 

HOUBEN, P. (2004). Landgeschiktheidsmodellering voor Citrusgewassen  in zuidelijk Afrika (Land suitability modelling  for  Citrus  crops  in  Southern  Africa.  Faculteit  Landbouwkundige  en  Toegepaste Biologische  Wetenschapen;  Departement  Landbeheer,  Laboratorium  voor  Boos,  Natuur  en Landschap. Leuven, Katolieke Universiteit Leuven. 

IMMELMAN, W.F.E., WICHT, C.L. & ACKERMAN, D.P. (1973). Schinus molle. Our green heritage. Cape Town, Department of Forestry, Republic of South Africa. 

KIRKWOOD, D., RALSTON, S., PENCE, G., MANUAL, J. & WOLFAARDT, A. (2007). Integrated biodiversity layer for  Landuse  decision making  in  the Western  Cape.  Cape Nature &  Cape  Action  for  People  and Environment (CAPE).  

KLEYNHANS,  T., OPPERMAN, B., AGENBAG, A., KUNNEKE, A.,  LAMBRECHTS,  J. & HARTEN, C.V.D.  (2001). SADC Agricultural Potential Assessment: The Spatial organisation of resources for policy planning. Stellenbosch, South Africa, Development Bank of Southern Africa. 

KLEYNHANS,  T.E.  &  KUNNEKE,  A.  (2002).  SADC  Agricultural  Potential  Assessment:  Determining  optimal production location and distribution of maize in the SADC based on land suitability assessment and transport modelling. Stellenbosch, South Africa, Development Bank of Southern Africa. 

KURATORIUM FÜR WALDARBEIT UND FORSTTECHNIK E. V.  (2008).  IN FORBIG, A.  (edn). The heat  is on – forestry and wood  industry set to grow. Schmallenberg, Germany: Kuratorium für Waldarbeit und Forsttechnik e.V. (KFW). 

LANDBOU‐ONTWIKKELINGSINSTITUUT,  E.  (1990a).  Boland‐Substreek‐Ontwekkelingsprogram.  Elsenburg, South Africa, Department of Agriculture, Western Cape. 

LANDBOU‐ONTWIKKELINGSINSTITUUT,  E.  (1990b).  Suidkus‐Substreek‐Ontwikkelingsprogram.  Elsenburg, South Africa, Department of Agriculture, Western Cape. 

LANDBOU‐ONTWIKKELINGSINSTITUUT, E. (1991). Klein‐Karoo‐Substreek‐Ontwikkelingsprogram. Elsenburg, South Africa, Department of Agriculture, Western Cape. 

LITTLE, K.M. & DU  TOIT, B.  (2003). Management of  Eucalyptus  grandis  coppice  regeneration of  seeding parent stock in Zululand, South Africa. Australian Forestry, 66: 108‐112. 

LITTLE, K.M., KRITZINGER, J. & MAXFIELD, M. (1997). Some principles of vegetation management explained. ICFR Bulletin, 9/97. 

63  

LYNCH, S.D. (2004). Mean annual precipitation – spatial dataset. MAJEKE, B., MUDAU, H., POTI, L., RAMOELO, A., THOMPSON, M., FLEMMING, G., MCFERREN, G. & AARDT, 

J.V. (2008). Updated National Land‐Cover Database of South Africa. Pretoria, South Africa, CSIR. MARAIS, C., KLEYNHANS, T., TOIT, B. D., ACKERMAN, P. & KIRKWOOD, D.  (2008)  Identification of suitable 

areas for lignocellulosic biomass production in the CWDM. Cape Town, South Africa. MEYER, F. (2002). Modelling the market outlook and policy alternatives for the wheat sector in South Africa.   M.Sc (Agric) dissertation, University of Pretoria, South Africa. PETERSON, P. P. (1994) Financial Management and Analysis, New York, USA, McGraw‐Hill. PRETORIUS,  C.,  LOUW,  D.B. &  KLEYNHANS,  T.E.  (2000).  The  development  of  a  spatial  decision  support 

system to optimise agricultural resource use in the Western Cape. Agrekon, 39. RANTA, T. (2005) Logging residues from regeneration fellings for biofuel production–a GIS‐based availability 

analysis in Finland. Biomass and Bioenergy, 28, 171‐182. REGIONE‐LOMBARDIA (2008). Claas Jaguar 850 con punta HS‐2. Pioppo da biomassa – Rotazione annuale. 

Milan, Italy, Regione Lombardia – Direzione Generale Agricoltura. Agriteam – Agricoltura Territorio Ambiente. 

REPUBLIC OF SOUTH AFRICA  (RSA)  (1983). Conservation of Agricultural Resources Act, No 43, 21.04.1984. DEPARTMENT OF AGRICULTURE, Cape Town, South Africa, Republic of South Africa. 

REPUBLIC  OF  SOUTH  AFRICA  (RSA)  (1998).  National  Water  Act;  No  36,  26.08.1998.  DEPARTMENT  OF WATER AND FORESTRY (DWAF),. Ed. Cape Town, South Africa, Republic of South Africa. 

SANCHEZ,  F.G.,  COLEMAN,  M.,  GARTEN,  C.T.,  LUXMOORE,  R.J.,  STANTURF,  J.A.,  TRETTIN,  C.  & WULLSCHLEGER, S.D. (2007). Soil carbon after three years under short‐rotation woody crops grown under varying nutrient and water availability. Biomass and Bioenergy, 31: 793‐801. 

SCHOEMAN,  J.P.,  MARWICK,  P.C.  &  LILL,  W.S.V.  (1973).  The  mechanical  properties  of  timbers,  with particular  reference  to  those grown  in  the Republic of South Africa. DEPARTMENT OF FORESTRY, (editor). Pretoria, Republic of South Africa. 

SCHULZE, R. E., LYNCH, S. D. & AL., E. (2006) South African Atlas of Climatology and Agrohydrology. (Dgitial Dataset). WRC Report. Pretoria, South Africa, R. E. Schulze. 

SCHULZE, R.E. (2006). South African Atlas of Climatology and Agrohydrology: Potential Evapotranspiration. In SCHULZE, R.E., (editor). WRC Report. Pretoria, South Africa. WATER RESEARCH COMMISION. 

SCHULZE, R.E., LYNCH, S.D. & MAHARAJ, M. (2006). South African Atlas of Climatology and Agrohydrology: Annual  Precipitation.  In  SCHULZE,  R.E.,  (editor).  WRC  Report.  Pretoria,  South  Africa.  WATER RESEARCH COMMISION. 

SCOTNEY, D.M., ELLIS, F., NOTT, R.W., TAYLOR, K.P., VAN NIEKERK, B.J.V., VERSTER, E. & WOOD, P.C. (1991). A  System of  soil  and  land  capability  classification  for  agriculture  in  the  SATBVC  states.  Pretoria, South Africa. Report compiled by a task team appointed by MT/AGEN. 

SEIXAS, F., COUTO, L. & RUMMER, R.B. (2006). Harvesting short‐rotation woody crops (SRWC) for energy. Biomassa and Energia, 3: 1‐16. 

SEMYONOVICH, F.A. & VEKENTIEVICH, L.A. (2008). Equipment and technologies of combined procurement of merchantable wood with cutting wastes utilisation for energy production in Belarus. Formac '08. Schmallenberg, Germany. 

SHI, X., ELMORE, A., LI, X., GORENCE, N.J., JIN, H., ZHAN, X. & WANG, F. (2008). Using spatial  information technologies to select sites for biomass power plants: A case study in Guangdong Province, China. Biomass and Bioenergy, 32: 35‐43. 

SIMS, R.E.H., SENELWA, K., MAIAVA, T. & BULLOCK, B.T.  (1999). Eucalyptus species for biomass energy  in New Zealand—Part II‐ Coppice performance. Biomass and Bioenergy, 17: 333‐343. 

SMETHURST, P., BAILLIE, C., CHERRY, M. & HOLZ, G.  (2003).  Fertilizer effects on  LAI and growth of  four Eucalyptus nitens plantations. Forest ecology and management, 176: 531‐542. 

SMITH, C.W., LITTLE, K.M. & NORRIS, C.H. (2000). The effect of land preparation at re‐establishment on the productivity of fast growing hardwoods. ICFR Bulletin, 20/2000. 

SNYDER,  R.L.  &  PAULO  DE  MELO‐ABREU,  J.C.  (2005).  Frost  protection:  fundamentals,  practice  and economics, Rome, Italy, FAO. 

SPINELLI, R. & MAGAGNOTTI, N.  (2008). Estimating  the productivity of  chipping operations.  Formec  '08. Schmallenberg, Germany. Kuratorium für Waldarbeit und Forsttechnik e.V. (KWF). 

64  

SPINELLI, R., NATI, C. & MAGAGNOTTI, N. (2007). Recovering logging residue – experiences from the Italian Eastern Alps. Croatian Journal of Forest Engineering, 28: 1‐9. 

STRAUSS,  P.  (2005).  Decision‐making  in  agriculture:  a  farm‐level  modelling  approach.  Department  of Agricultural Economics, Extension, and Rural Development. Pretoria, University of Pretoria. 

THERON,  J.M., ANDRAG, R., BANDS, D., MARAIS, C.,  SCHUTZ, C.,  SYPHUS,  J., DU  TOIT, B. & WILSON, A. (2008). Tree species selection for biomass production  in the Cape Winelands District Municipality. March 2008, Stellenbosch, South Africa. 

UNITED NATIONS (1992). United Nations framework convention on climate change. New York, USA. Article   2: 4.  VAN  DER  WESTHUIZEN,  B.  &  KLEYNHANS,  T.E.  (1987).  Strukturele  veranderinge  onder  toestande  van 

veranderende relatiewe winsgewendheid van bedryfstakke. Agrekon, 26. VAN  DER  WESTHUIZEN,  B.  &  KLEYNHANS,  T.E.  (1988).  Die  invloed  van  beter  stroperbenutting  op 

bedryfstaksamestelling en winsgewendheid van ’n gesimuleerde Mid‐Swartland plaas. Agrekon, 27. VAN  EEDEN,  F.,  LAUBSCHER,  J.  &  KLEYNHANS  T.E.  (2002).  Kostebesparende  produksiepraktyke  vir 

kleingraan produsente in die Suid‐Kaap. Agrekon, 41. VAN NIEKERK, A.  (2002). 20 m Digital Elevation Model  (DEM) of  the Western Cape.  Stellenbosch,  South 

Africa. VAN WYK, G.V., LAAR, A.V. & THERON, J.M. (2000). Yield potential of selected Eucalyptus genetic stock on 

the  sandy  soils  of  the  South  African  Cape West  Coast.  Eucalyptus  in  the Mediterranean  basin: perspectives and new utilisation. Taormina, Italy, Centro Promozione Pubblicità, Florence, Italy. 

VAN WYK, P.V. (1994). Veldgids tot die bome van die nasionale Krugerwildtuin, Cape Town: Struik Uitgewers & Raad van Kuratore vir Nasionale Parke. 

VECON CONSORTIUM (2006). Cape Conversion Process (CCP). Bellville, South Africa, Department of Water and Forestry (DWAF). 

VELDEN, M. V. D., BAEYENS, J. & BOUKIS, I. (2008) Modeling CFB biomass pyrolysis reactors. Modeling CFB biomass pyrolysis reactors, 32, 128‐139. 

VIERO, P.W.M., CHISWELL, K.E.A. & THERON,  J.M.  (2002). The effect of a  soil‐amended hydrogel on  the establishment of a Eucalyptus grandis clone and a sandy clay  loam soil  in Zululand during Winter. Southern African Forestry Journal, 193: 65‐75. 

VOLK,  T.A., ABRAHAMSON,  L.P., NOWAK,  C.A.,  SMART,  L.B.,  THARAKAN,  P.J. & WHITE,  E.H.  (2006).  The development  of  short‐rotation  willow  in  the  northeastern  United  States  for  bioenergy  and bioproducts, agroforestry and phytoremediation. Biomass and Bioenergy, 30: 715‐727. 

WALLE,  I.V., CAMP, N.V., CASTEELE, L.V.D., VERHEYEN, K. & LEMEUR, R.  (2007). Short‐rotation forestry of birch, maple, poplar and willow in Flanders (Belgium) – Biomass production after four years of tree growth. Biomass and Bioenergy, 31: 267‐275. 

WATSON, W.F., STROKES, B.J. & SAVELLE,  I.W. (1986). Comparison of two methods of harvesting biomass for energy. Forest products journal, 36: 63‐68. 

WENDL, H.  (2004). Evaluation of Acacia as a woody  crop option  for  Southern Australia, Canberra, Rural Industries Research and Development Corporation (RIRDC). 

WICKENS, G.E., DIN, A.G.S.E., SITA, G. & NAHAL, I. (1995). Role of acacia species in the rural economy of dry Africa and the Near East, Rome, Food and Agriculture Organisation of the United Nations (FAO). 

WISEMAN,  D.,  SMETHURST,  P.,  PINKARD,  L.,  WARDLAW,  T.,  BEADLE,  C.,  HALL,  M.,  BAILLIE,  C.  & MOHAMMED, C. (2006). Pruning and fertiliser effects on branch size and decay  in two Eucalyptus nitens plantations. Forest ecology and management, 225: 123‐133. 

WRIGHT, L.  (2006). Worldwide commercial development of bioenergy with a  focus on energy crop‐based projects. Biomass and Bioenergy, 30: 706‐714. 

YEMSHANOV, D. & MCKENNEY, D. (2008) Fast‐growing poplar plantations as a bioenergy supply source for Canada. Biomass and Bioenergy, 32, 185‐197. 

YOSHIOKA, T., ARUGA, K., NITAMI, T., SAKAI, H. & KOBAYASHI, H. (2006). A case study on the costs and the fuel  consumption  of  harvesting,  transporting,  and  chipping  chains  for  logging  residues  in  Japan. Biomass and Bioenergy, 30: 342‐348. 

  

65  

 

ANNEXURES  

1  

Annexure 1: Ground condition classification system 

 Moisture 

Topsoil type diagnosis  Clay content (in %) Dry  Moist  Wet 

< 15  Good  Good  Moderate 16‐35  Very good  Moderate  Poor 36‐50  Very good  Poor  Very poor 

Humic 

> 50  Very good  Very poor  Very poor < 8  Poor  Moderate  Good 9‐15  Moderate  Good  Moderate 16‐35  Very good  Good  Poor 36‐50  Very good  Moderate  Very poor 

Orthic 

> 50  Very good  Poor  Very poor Melanic and vertic  All  Very good  Poor  Very poor Source: LAENGIN, D. (2007) Terrain Classification. Stellenbosch, South Africa, Department of Forest and Wood Science ‐ 

Stellenbosch University.  

2  

 Annexure 2: The CWDM subdivided in RHFA and slope classes (in ha) 

 

Relatively Homogeneous Farming Areas (RHFAs) 

< 10 %  11‐20 %  21‐30 % 31‐35 % 

36‐60 %  > 60 %  Total 

Agter‐Paarl  23414.9  459.8  31.6  3.6  4.9  0.1  23915.0 

Berge  75137.4  104709.1  102431.6  49667.5  190341.7  121055.5  643342.8 

Bergplase  37376.0  18788.5  10199.4  3933.3  11004.9  1904.7  83206.7 

Bergrivier/Paarl  15973.3  1107.5  396.7  133.7  246.8  10.4  17868.4 

Bottelary  4824.5  814.0  392.1  99.8  138.0  0.8  6269.2 

Breeriviervallei  45889.9  6051.9  2237.0  703.3  1613.4  242.5  56738.0 

Ceres Karoo  425747.3  38327.7  18492.5  6258.2  14502.9  2825.2  506153.8 

Drakenstein/Groenberg  6039.6  3365.7  1724.6  545.9  1256.6  175.1  13107.5 

Eersteriviervallei  17528.0  6085.6  2788.9  924.5  2277.4  836.4  30440.9 

Franschhoek/Simonsberg  13022.6  2543.9  1489.3  677.6  1902.1  674.6  20310.2 

Gemengde Boerderygebied  1985.9  19.7              2005.6 

Gouda/Hermon  38942.2  1264.2  375.1  102.3  204.8  42.7  40931.2 

Goudini/Breerivier  25645.8  1462.5  1099.4  491.3  1356.8  211.6  30267.3 

Groot Karoo  42.4  4.4  2.8  1.2  4.7  0.4  55.8 

Hexvallei  9613.9  2051.8  1381.6  580.9  1524.5  259.2  15411.9 

Hottentotsholland  1210.7  191.4  14.4  2.3  9.0  48.0  1475.8 

Hoe Reenval Saaigebied  6636.0  20.7  1.4  0.2  0.6     6659.0 

Koo/Concordia/ Bo‐Vlakte  4911.2  3432.1  1599.6  560.3  1314.0  304.8  12122.0 

Koue Bokkeveld  131727.1  27482.1  10548.3  3342.5  6957.1  1006.2  181063.3 

Langeberg Saaigebied  52.8  85.7  26.2  15.0  79.7  13.7  273.1 

Langeberg Voetheuwels  1722.7  1257.9  571.9  172.6  256.3  41.3  4022.7 

Middel‐Swartland Saaigebied  512.1                 512.1 

Montagu‐Bergplaas  6007.3  2816.1  1424.6  520.6  1435.3  217.1  12421.1 

Montagu‐Kom  12184.2  14896.5  12552.0  5637.7  17290.6  2583.7  65144.7 

Montagu‐Rivierplaas  2245.1  1112.7  768.7  314.2  906.5  160.4  5507.6 

Montagu‐Saaigebied 1  8348.2  1213.8  553.5  181.9  416.6  44.9  10758.9 

Montagu‐Saaigebied 2  37300.2  18243.9  9887.6  3640.3  9012.2  2817.8  80902.0 

Montagu‐Saaigebied 3  1663.7  1167.7  526.2  150.2  235.4  40.9  3784.1 

Overhex/Moordkuil  59119.9  8798.9  4079.7  1440.0  3489.1  774.4  77702.0 

Riviersonderend Vallei  5.6  3.7  3.1  1.9  19.2  5.0  38.5 

Ruens  673.0  161.0  19.4  1.2  0.3     855.0 

Stockwell  2109.2  1571.1  628.3  203.3  484.6  371.9  5368.4 

Suid‐Oostelike Platogebied  77.4  144.6  145.3  72.5  245.2  159.6  844.6 

Touw/Ladismith‐Karoo  130253.5  22650.6  10900.6  4094.8  11085.5  1617.8  180602.8 

Tulbagh/Wolseley  23766.7  5210.6  2007.8  592.7  1134.1  216.0  32927.9 

Twisniet/ Barrydale/Doornrivier 1  922.3  798.8  385.4  96.9  139.8  10.9  2354.1 

Twisniet/ Barrydale/Doornrivier 2  4851.0  1434.9  606.7  176.0  246.0  8.4  7323.1 

Vier‐en‐Twintig Riviere  1522.8  102.0  35.6  13.1  28.9  0.5  1703.0 

3  

Villiersdorp/Vyeboom  159.6  104.1  65.5  26.6  48.3  10.9  415.0 

Warm Bokkeveld  25781.6  6814.6  2396.2  655.3  1222.2  88.0  36957.9 

Winterhoek  5053.2  1344.3  773.0  220.7  248.1  0.7  7640.1 

    Total (in ha)  1210001.1  308116.4  203563.3  86255.9  282684.2  138782.0  2229402.9 

    Total (in %)  54%  14%  9%  4%  13%  6%  100% 

 

Annexure 3: Revised future landuse for Cape Conversion Process (CCP) areas within CWDM 

 

 Future landuse of CCP areas within the CWDM 

La Motte  Kluitjieskraal  Total (in ha)  Total (in %) 

New plantation – retain (in ha)  1336,6 1398,9 2735,4  34% New exit – close (in ha)  2800,3 2044,8 4845,1  61% Agriculture (in ha)  64,8 340,4 405,2  5% total (in ha)  4201,6 3784,1 7985,7  100% total (in %)  53%  47%  100%   Source: (VECON‐Consortium 2006) 

4  

 Annexure 4: Extremes (1955‐2000) of maximum Temperatures (°C) in February 

 

   

5  

 Annexure 5: Extremes (1955‐2000) of minimum Temperatures (°C) in July 

   

6  

 

Annexure 6: Standard deviation of number of occurrences of heavy frost  

 

(Screen minimum temperature < 0°C) 

7 

 

Annexure 7: Potentially available land per RHFA and land use (subdivided in slope classes) 

* Land use: 1 = intensive permanent and temporary farmland; 2 = extensive dryland and improved grassland; 3 = forest plantations; 4 = Fynbos, shrubland and bushland; 5 = CCP agricultural land; 6 = CCP forest plantations; 7 = CCP exit 

Relatively homogeneous farming areas 

Land use* 

00‐10 % 11‐20 % 21‐30 %31‐35 % 

36‐60 %60‐

100 % ≤ 35 % 

Sum ≤ 35 % 

≤ 60 % Sum ≤ 60 % 

≤ 100 % Sum 

≤ 100 % 

1  3990 160 10 1 1 0 14260  14262 14262

2  14006 239 14 2 2 0 19  19 19

3  19 0 0 0 656  656 656Agter‐Paarl 

4  629 23 4 0 0 4161 

19097 19100

4162 4162

19100

1  1623 697 173 44 83 31 16  16 16

2  2478 1042 317 98 325 89 70  119 128

3  785 396 322 120 407 107 1394  1756 1839

4  42509 69676 67904 32519 121205 66591 3934  4259 4349

5  14 2 0 0 0 1623  2030 2138

6  12 29 20 9 50 9 212608  333813 400404

Berge 

7  786

222183 344614

305 210 94 361 83 2538  2620 2651

411525

1  3028 328 34 4 7 2 8795  8843 8850

2  7306 1329 133 26 48 8 38450  46490 47826Bergplase 

4  14589 2980 8040 1336 3394 

50639

3401

58734

3403

60080

13115 7766

1  4391 324 29 4 1 4861  4861 4861

2  4557 273 30 2 0 75  76 76

3  46 20 8 1 1 989  993 993Bergrivier/Paarl 

4  837 116 32 5 4 4747 

10673 10679

4749 4749

10679

1  2260 457 154 20 11 1295  1296 1296

2  1117 144 30 3 1 96  99 99

3  76 8 9 3 3 451  455 455Bottelary 

4  401 25 20 5 4 0 2890 

4732 4751

2901 2901

4751

1  12526 217 18 2 2 0 7584  7664 7695

2  6950 515 97 23 80 31 16653  17831 17994Breëriviervallei 

4  10657 3843 1628 525 1178 163 12763 

37000

12765

38260

12765

38454

Relatively homogeneous farming areas 

Land use* 

00‐10 % 11‐20 % 21‐30 %31‐35 % 

36‐60 %60‐

100 % ≤ 35 % 

Sum ≤ 35 % 

≤ 60 % Sum ≤ 60 % 

≤ 100 % Sum 

≤ 100 % 

8  

1  811 19  19 19

2  18 1 0 0 383168  390885 391821Ceres Karoo 

4  333772 30339 14980 4077 7716 936 811 

383998

811

391715

811

392651

1  1609 426 48 3 0 265  295 295

2  2028 685 97 10 5 2819  2824 2824

3  136 343 237 66 76 2 782  859 861

4  532 419 180 41 89 7 1172  1261 1268

Drakenstein/Groenberg 

6  41 114 82 28 30 0 2086 

7124

2086

7325

2086

7335

1  8561 2873 677 79 50 1 1  3 3

2  2867 861 231 36 35 1 0  4 5

3  234 377 292 133 335 19 3994  4029 4029

4  688 437 211 46 79 74 1035  1371 1389

6  0 0 0 0 2 0 1381  1460 1533

Eersteriviervallei 

6  0 0 4 1 12190 

18602

12240

19106

12240

19200

1  4284 716 166 31 29 1 281  489 507

2  1653 284 94 32 73 16 1134  1454 1529

3  594 159 183 91 246 6 2063  2136 2151

4  1687 457 401 191 802 294 1026  1272 1278

6  44 52 114 71 208 18 2736  3538 3832

Franschhoek/Simonsberg 

7  732 163 145 94 320 75 5197 

12436

5225

14113

5226

14523

1  747 19 677  677 677

2  677 154  154 154Gemengde Boerderygebied 

4  154 767 

1598

767

1598

767

1598

1  1128 14 1 22465  22466 22466

2  22333 126 6 1 1 157  161 161

3  129 13 11 4 4 1511  1633 1665Gouda/Hermon 

4  1273 96 102 40 122 31 1143 

25275

1143

25403

1143

25434

               Relatively homogeneous farming areas 

Land use* 

00‐10 % 11‐20 % 21‐30 %31‐35 % 

36‐60 %60‐

100 % ≤ 35 % 

Sum ≤ 35 % 

≤ 60 % Sum ≤ 60 % 

≤ 100 % Sum 

≤ 100 % 

9  

1  8316 119 18 7 17 3 4068  4108 4113

2  3963 75 20 10 40 5 2  2 2

3  0 2 4612  5738 5922Goudini/ Breërivier 

4  2899 682 675 357 1126 185 8460 

17142

8477

18324

8479

18516

Groot Karoo  4  37 4 2 1 4 0 44  44 49 49 49 49

1  3900 48 5 1 0 601  603 603

2  572 25 4 1 2 0 3  4 4

3  2 0 1 0 0 4896  6105 6313Hexvallei 

4  2053 1359 1031 452 1210 208 3953 

9453

3954

10666

3954

10873

1  1102 6 3993  3993 3993

2  3988 5 10  10 10

3  10 236  236 236Hoë Reënval Saaigebied 

4  228 7 1 1108 

5347

1108

5347

1108

5347

1  591 91 5 474  474 474

2  434 39 1 2  2 2

3  1 1 0 0 66  67 67Hottentotsholland 

4  43 19 3 0 1 0 687 

1229

687

1229

687

1230

1  964 375 25 2 1 485  485 485

2  350 122 12 1 0 3007  3418 3527Koo/Concordia/Bo‐Vlakte 

4  1282 1072 484 169 411 108 1365 

4857

1366

5269

1366

5378

1  15874 694 55 5 7 1 13641  13669 13672

2  12899 657 71 14 28 3 446  447 447

3  399 40 6 1 1 83497  88277 89017Koue Bokkeveld 

4  56580 17718 6991 2208 4780 740 16628 

114213

16635

119027

16636

119771

Langeberg Saaigebied  4  0 0 0 0 0  0 0 0 0 0

1  75 3 1586  1608 1613

2  935 532 100 19 22 5 1125  1290 1310Langeberg Voetheuwels 

4  253 465 306 101 165 20 78 

2789

78

2975

78

3000

     

     

Relatively homogeneous farming areas 

Land use* 

00‐10 % 11‐20 % 21‐30 %31‐35 % 

36‐60 %60‐

100 % ≤ 35 % 

Sum ≤ 35 % 

≤ 60 % Sum ≤ 60 % 

≤ 100 % Sum 

≤ 100 % 

10  

2  379 379  379 379Middel‐Swartland Saaigebied 

4  2 2 381

2381

2381

1  678 113 19 3 4 0 1264  1264 1264

2  1024 230 10 1 4295  5151 5268Montagu‐Bergplaas 

4  1705 1451 827 312 855 117 813 

6373

817

7232

818

7350

1  129 33 9 1 1 226  229 229

2  166 52 8 1 3 0 22556  32909 34470Montagu‐Kom 

4  4923 7485 6901 3247 10353 1561 173 

22955

174

33311

174

34872

1  396 55 3 1 1 0 104  104 104

2  80 22 2 0 0 2185  2913 3045Montagu‐Rivierplaas 

4  708 662 568 247 728 132 455 

2744

456

3473

456

3605

1  1058 25 4 1 1 1539  1541 1541

2  1467 55 13 3 2 5425  5818 5862Montagu‐Saaigebied 1 

4  3774 996 489 165 393 44 1088 

8051

1088

8447

1088

8491

1  1340 57 4 0 0 3808  3812 3812

2  3587 194 22 6 4 0 51982  59330 61269Montagu‐Saaigebied 2 

4  25637 15144 8200 3001 7348 1939 1401 

57191

1402

64544

1402

66483

1  7 12 2 0 0 66  66 66

2  50 12 3 0 0 1844  1998 2023Montagu‐Saaigebied 3 

4  770 659 320 95 154 25 21 

1931

21

2085

21

2110

1  8829 102 8 0 1 1 7893  7928 7933

2  7328 486 63 17 35 5 25121  27840 28388Overhex/Moordkuil 

4  14801 6079 3129 1112 2719 548 8939 

41954

8941

44708

8942

45263

Riviersonderendvallei  4  0 1 1 1 15 5 3  3 18 18 23 23

1  75 8 0 389  389 389

2  331 57 1 0 178  178 178Ruens 

4  111 55 11 0 0 83 

650

83

650

83

650

     

     

     

Relatively homogeneous farming areas 

Land use* 

00‐10 % 11‐20 % 21‐30 %31‐35 % 

36‐60 %60‐

100 % ≤ 35 % 

Sum ≤ 35 % 

≤ 60 % Sum ≤ 60 % 

≤ 100 % Sum 

≤ 100 % 

11  

1  118 32 2 0 1387  1391 1391

2  724 572 80 11 4 1586  1953 2210Stockwell 

4  410 608 418 151 367 256 153 

3126

153

3497

153

3754

1  0 0 0 0 328  533 662Suid‐Oostelike Platogebied 

4  46 106 117 60 205 129 0 329

1534

1663

1  1683 22 4 0 2486  2491 2491

2  2454 24 5 2 5 0 107435  116649 117957Touw/Ladismith‐Karoo 

4  80428 15511 8244 3253 9214 1307 1710 

111631

1710

120850

1710

122158

1  4114 399 35 2 2 190  190 190

2  7375 982 95 8 8 1116  1121 1121

3  1638 277 54 9 8 511  512 512

4  3250 2336 1342 432 874 76 8461  8469 8469

5  152 34 4 0 0 1978  1986 1986

6  906 184 22 5 5 7360  8234 8311

Tulbagh/Wolseley 

7  448 40 19 5 1 4551 

24167

4552

25065

4552

25141

1  105 36 4 1 0 398  398 398

2  267 126 5 0 0 696  770 775Twisniet/Barrydale/  Doornrivier 1 

4  174 288 184 49 74 4 145 

1239

146

1314

146

1318

1  115 14 2 0 0 508  512 512

2  460 30 12 6 4 4528  4744 4751Twisniet/Barrydale/  Doornrivier 2 

4  2744 1129 508 147 216 7 130 

5166

130

5386

130

5393

1  889 8 3 1 1 12  14 14

2  10 0 1 1 2 10  10 10

3  9 2 0 238  256 257Vier‐en‐Twintig Riviere 

4  224 7 4 3 18 0 901 

1162

902

1183

902

1183

1  28 11 1 0 3  3 3

2  1 1 1 14  14 14Villiersdorp/Vyeboom 

4  3 6 3 1 0 41 

57

41

57

41

57

     

     Relatively homogeneous farming areas 

Land use* 

00‐10 % 11‐20 % 21‐30 %31‐35 % 

36‐60 %60‐

100 % ≤ 35 % 

Sum ≤ 35 % 

≤ 60 % Sum ≤ 60 % 

≤ 100 % Sum 

≤ 100 % 

12  

1  5034 92 5 1 1 7101  7117 7119

2  6561 495 39 6 16 2 128  128 128

3  123 3 1 0 0 4295  4381 4398Warm Bokkeveld 

4  3073 858 300 65 86 17 5132 

16657

5133

16759

5133

16779

1  2042 363 92 21 20 976  976 976

2  842 116 17 1 0 14260  14260 14260

3  7 4 1 0 0 19  19 19Winterhoek 

4  915 544 500 161 187 1 656 

5625

656

5832

656

5833

Total     846798 215724 139773 57528 183789 77389 1259823  1259823 1443612 1443612 1521001 1521001

     

13  

 Annexure 8: Factorised available land per RHFA and land use (subdivided in slope classes) 

* Landuse: 1 = intensive permanent and temporary farmland; 2 = extensive dryland and improved grassland; 3 = forest plantations; 4 = fynbos, shrubland and bushland; 5 = CCP agricultural land; 6 = CCP forest plantations; 7 = CCP exit 

Relatively homogeneous farming areas 

Land use*Availability factor (in %)  00‐10 % 11‐20  21‐30  31‐35  36‐60  60‐100  ≤ 35 

Sum ≤ 35 

≤ 60 Sum ≤ 60 

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

3    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Agter‐Paarl 

4  10%  62,9 2,3 0,4 0,0  0,0 0,0 65,6

65,6

65,6

65,6

1  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

3    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

4  10%  4.250,9 6.967,6 6.790,4 3.251,9  12.120,5 6.659,1 21.260,8 33.381,3

5  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

6  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

Berge 

7    0,0 0,0 0,0 0,0  0,0 0,0 0,0

21.260,8

0,0

33.381,3

1  100%  3.027,9 327,6 34,2 4,4  7,2 2,0 3.394,0 3.401,2

2  100%  7.306,4 1.329,5 133,1 26,1  47,7 7,7 8.795,1 8.842,8Bergplase 

4  20%  2.917,9 2.622,9 1.553,3 596,0  1.608,0 267,2 7.690,1

19.879,1

9.298,1

21.542,1

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

3    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Bergrivier/Paarl 

4  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0

0,0

0,0

0,0

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

3    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Bottelary 

4  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0

0,0

0,0

0,0

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  100%  6.949,8 515,1 96,9 22,5  79,5 30,9 7.584,4 7.663,9Breëriviervallei 

4  20%  2.131,3 768,7 325,6 105,0  235,6 32,7 3.330,6

10.914,9

3.566,2

11.230,1

14  

Relatively homogeneous  farming areas 

Land use* Availability factor (in %) 00‐10  11‐20  21‐30  31‐35  36‐60  60‐100  ≤ 35 

Sum ≤ 35 

≤ 60 Sum ≤ 60 

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Ceres Karoo 

0,0 0,0 0,0 0,0  0,0 0,0 0,0

0,0 0,0

4  0%  0,0

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

3    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

4  10%  53,2 41,9 18,0 4,1  8,9 0,7 117,2 126,1

Drakenstein/Groenberg 

6  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0

117,2

0,0

126,1

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

3    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

4  10%  68,8 43,7 21,1 4,6  7,9 7,4 138,1 146,0

6  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

Eersteriviervallei 

6  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0

138,1

0,0

146,0

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

3    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

4  10%  168,7 45,7 40,1 19,1  80,2 29,4 273,6 353,8

6  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

Franschhoek/Simonsberg 

7    0,0 0,0 0,0 0,0  0,0 0,0 0,0

273,6

0,0

353,8

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Gemengde Boerderygebied 

4    0,0 0,0 0,0 0,0  0,0 0,0 0,0

0,0

0,0

0,0

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

3    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Gouda/Hermon 

4  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0

0,0

0,0

0,0

       

       

      Relatively homogeneous   Land use*  Availability  00‐10  11‐20  21‐30  31‐35  36‐60  60‐100  ≤ 35  Sum  ≤ 60  Sum 

15  

farming areas  factor (in %) ≤ 35  ≤ 60 

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  100%  3.963,2 75,0 19,6 10,4  39,7 5,1 4.068,1 4.107,8

3    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Goudini/Breërivier 

4  50%  1.449,5 340,8 337,3 178,4  562,9 92,3 2.306,0

6.374,1

2.868,9

6.976,8

Groot Karoo  4  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0 0,0 0,0

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  100%  571,6 24,6 3,8 1,0  2,2 0,1 600,9 603,1

3    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Hexvallei 

4  10%  205,3 135,9 103,1 45,2  121,0 20,8 489,6

1.090,5

610,5

1.213,6

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

3    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Hoë Reënval Saaigebied 

4  50%  114,0 3,4 0,4 0,0  0,0 0,0 117,9

117,9

117,9

117,9

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

3    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Hottentotsholland 

4  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0

0,0

0,0

0,0

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  100%  350,2 121,6 11,7 1,2  0,2 0,0 484,6 484,8Koo/Concordia/Bo‐Vlakte 

4  20%  256,4 214,5 96,7 33,8  82,3 21,7 601,4

1.086,0

683,7

1.168,4

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  100%  12.899,2 657,4 71,1 13,7  27,6 2,7 13.641,4 13.669,0

3    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Koue Bokkeveld 

4  20%  11.316,0 3.543,6 1.398,2 441,6  955,9 148,1 16.699,4

30.340,8

17.655,3

31.324,3

Langeberg Saaigebied  4  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0 0,0 0,0

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Langeberg Voetheuwels 

4  50%  126,4 232,4 153,0 50,6  82,3 10,1 562,4

562,4

644,8

644,8

       

       

16  

Relatively homogeneous  farming areas 

Land use* Availability factor (in %) 00‐10  11‐20  21‐30  31‐35  36‐60  60‐100  ≤ 35 

Sum ≤ 35 

≤ 60 Sum ≤ 60 

2    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Middel‐Swartland Saaigebied 

4  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,00,0

0,00,0

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  100%  1.023,6 230,3 9,5 0,6  0,0 0,0 1.264,0 1.264,0Montagu‐Bergplaas 

4  50%  852,3 725,7 413,6 156,0  427,7 58,7 2.147,6

3.411,5

2.575,3

3.839,3

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  100%  166,3 51,6 7,5 0,7  2,6 0,0 226,1 228,7Montagu‐Kom 

4  50%  2.461,5 3.742,5 3.450,7 1.623,3  5.176,3 780,5 11.278,1

11.504,1

16.454,4

16.683,1

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  100%  80,1 22,2 2,0 0,0  0,1 0,0 104,4 104,5Montagu‐Rivierplaas 

4  20%  141,6 132,4 113,5 49,4  145,6 26,3 436,9

541,4

582,6

687,1

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  100%  1.467,2 55,3 13,0 3,2  2,0 0,0 1.538,6 1.540,6Montagu‐Saaigebied 1 

4  50%  1.887,2 498,2 244,7 82,3  196,5 22,1 2.712,3

4.251,0

2.908,8

4.449,5

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  100%  3.586,9 193,5 21,8 5,5  4,3 0,0 3.807,8 3.812,1Montagu‐Saaigebied 2 

4  50%  12.818,7 7.572,1 4.100,0 1.500,3  3.674,0 969,5 25.991,1

29.798,9

29.665,1

33.477,2

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  100%  50,2 12,5 3,0 0,5  0,1 0,0 66,1 66,2Montagu‐Saaigebied 3 

4  50%  385,0 329,4 160,0 47,4  77,2 12,5 921,8

988,0

999,0

1.065,2

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  100%  7.328,0 485,9 62,6 16,7  34,6 5,3 7.893,1 7.927,8Overhex/Moordkuil 

4  20%  2.960,3 1.215,8 625,8 222,3  543,7 109,7 5.024,2

12.917,4

5.568,0

13.495,7

Riviersonderendvallei  4  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0 0,0 0,0

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Ruens 

4  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0

0,0

0,0

0,0

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  100%  724,5 572,0 80,0 10,7  4,0 0,0 1.387,2 1.391,2Stockwell 

4  30%  122,9 182,4 125,3 45,2  110,2 76,9 475,9

1.863,0

586,0

1.977,2

17  

Relatively homogeneous  farming areas 

Land use* Availability factor (in %) 00‐10  11‐20  21‐30  31‐35  36‐60  60‐100  ≤ 35 

Sum ≤ 35 

≤ 60 Sum ≤ 60 

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Suid‐Oostelike Platogebied 

4  30%  13,7 31,8 35,0 18,0  61,4 38,8 98,598,5

159,9159,9

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Touw/Ladismith‐Karoo 

4  5%  4.021,4 775,5 412,2 162,6  460,7 65,4 5.371,8

5.371,8

5.832,5

5.832,5

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  100%  7.375,3 982,2 95,2 8,4  7,5 0,0 8.461,0 8.468,5

3    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

4  20%  650,0 467,2 268,4 86,4  174,9 15,3 1.472,0 1.646,9

5    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

6    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

Tulbagh/Wolseley 

7    0,0 0,0 0,0 0,0  0,0 0,0 0,0

9.933,0

0,0

10.115,4

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Twisniet/Barrydale/  Doornrivier 1 

4  40%  69,7 115,4 73,7 19,5  29,7 1,8 278,4

278,4

308,1

308,1

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Twisniet/Barrydale/  Doornrivier 2 

4  30%  823,2 338,6 152,3 44,2  64,9 2,1 1.358,4

1.358,4

1.423,2

1.423,2

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

3    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Vier‐en‐Twintig Riviere 

4  50%  111,9 3,7 2,2 1,4  9,0 0,1 119,2

119,2

128,2

128,2

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Villiersdorp/Vyeboom 

4  0%  0,0 0,0 0,0 0,0  0,0 0,0 0,0

0,0

0,0

0,0

1    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

3    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Warm Bokkeveld 

4  20%  614,6 171,6 60,0 12,9  17,1 3,4 859,1

859,1

876,2

876,2

       

18  

19  

   1 0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

2    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0

3    0,0 0,0 0,0 0,0  0,0 0,0 0,0 0,0Winterhoek 

4  10%  91,5 54,4 50,0 16,1  18,7 0,1 211,9

211,9

230,6

230,6

Total  108.017  36.976  21.790  8.943  27.313  9.526  175.726 203.039

* Land use: 1 = intensive permanent and temporary farmland; 2 = extensive dryland and improved grassland; 3 = forest plantations; 4 = fynbos, shrubland and bushland; 5 = CCP agricultural land; 6 = CCP forest plantations; 7 = CCP exit    

20  

Annexure 9: Tree species performance per RHFA‐group in the CWDM 

Growth rate/MAI [tonnes/ha/a; fresh] 

whole tree 

Cycle/rotation  length (‐2 years  after coppice) 

Trees/ha Potential yield 

[tonnes/ha/rotation] fresh 

Species performance Group 01 

min  max  med  min  max  med  min  max  med  min  max  med Acacia  karroo  6  12  9,0  8  15  11,5  1300  1800  1550  48  180  114,0 

Acacia  mearnsii  8  18  13,0  6  10  8,0  1800  2200  2000  48  180  114,0 

Acacia  saligna  8  15  11,5  5  8  6,5  1800  2200  2000  40  120  80,0 

Casuarina  cunninghamiana  8  18  13,0  6  10  8,0  1300  1800  1550  48  180  114,0 

Casuarina  glauca  6  15  10,5  6  10  8,0  1300  1800  1550  36  150  93,0 

Eucalyptus  albens  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  camadulensis  6  15  10,5  6  10  8,0  1300  1800  1550  36  150  93,0 

Eucalyptus  cladocalyx  8  18  13,0  6  10  8,0  1300  1800  1550  48  180  114,0 

Eucalyptus  globulus  8  18  13,0  6  10  8,0  1300  1800  1550  48  180  114,0 

Eucalyptus  gomphocephala  6  15  10,5  6  10  8,0  1300  1800  1550  36  150  93,0 

Eucalyptus  melliodora  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  polyanthemos  6  15  10,5  6  10  8,0  1300  1800  1550  36  150  93,0 

Pinus  halepensis  x  x  x  x  x  x  x  x  x  x  x  x 

Pinus  radiata  8  18  13,0  10  15  12,5  1300  1800  1550  80  270  175,0 

Rhus  lancea  3  8  5,5  6  10  8,0  1800  2200  2000  18  80  49,0 

Rhus  pendulina  3  8  5,5  6  10  8,0  1800  2200  2000  18  80  49,0 

Schinus  molle  x  x  x  x  x  x  x  x  x  x  x  x 

Ziziphus  mucronata  x  x  x  x  x  x  x  x  x  x  x  x 

Growth rate/MAI [tonnes/ha/a; fresh] 

whole tree 

Cycle/rotation  length (‐2 years  after coppice) 

Trees/ha Potential yield 

[tonnes/ha/rotation] fresh 

Species performance Group 02  

min  max  med  min  max  med  min  max  med  min  max  med Acacia  karroo  6  12  9,0  8  15  11,5  1300  1800  1550  48  180  114,0 

Acacia  mearnsii  7  16  11,5  6  10  8,0  1800  2200  2000  42  160  101,0 

Acacia  saligna  7  14  10,5  5  8  6,5  1800  2200  2000  35  112  73,5 

Casuarina  cunninghamiana  7  16  11,5  6  10  8,0  1300  1800  1550  42  160  101,0 

Casuarina  glauca  5  12  8,5  6  10  8,0  1300  1800  1550  30  120  75,0 

Eucalyptus  albens  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  camadulensis  5  12  8,5  6  10  8,0  1300  1800  1550  30  120  75,0 

Eucalyptus  cladocalyx  7  16  11,5  6  10  8,0  1300  1800  1550  42  160  101,0 

Eucalyptus  globulus  7  16  11,5  6  10  8,0  1300  1800  1550  42  160  101,0 

Eucalyptus  gomphocephala  5  12  8,5  6  10  8,0  1300  1800  1550  30  120  75,0 

Eucalyptus  melliodora  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  polyanthemos  5  12  8,5  6  10  8,0  1300  1800  1550  30  120  75,0 

Pinus  halepensis  x  x  x  x  x  x  x  x  x  x  x  x 

Pinus  radiata  7  16  11,5  10  15  12,5  1300  1800  1550  70  240  155,0 

Rhus  lancea  3  7  5,0  6  10  8,0  1800  2200  2000  18  70  44,0 

Rhus  pendulina  3  8  5,5  6  10  8,0  1800  2200  2000  18  80  49,0 

Schinus  molle  x  x  x  x  x  x  x  x  x  x  x  x 

Ziziphus  mucronata  x  x  x  x  x  x  x  x  x  x  x  x 

                                                                                 

21  

Growth rate/MAI [tonnes/ha/a; fresh] 

whole tree 

Cycle/rotation  length (‐2 years  after coppice) 

Trees/ha Potential yield [tonnes/ha/ rotation] fresh 

Species performance Group 03 

min  max  med  min  max  med  min  max  med  min  max  med Acacia  karroo  6  12  9,0  8  15  11,5  1300  1800  1550  48  180  114,0 

Acacia  mearnsii  7  16  11,5  6  10  8,0  1800  2200  2000  42  160  101,0 

Acacia  saligna  7  14  10,5  5  8  6,5  1800  2200  2000  35  112  73,5 

Casuarina  cunninghamiana  7  16  11,5  6  10  8,0  1300  1800  1550  42  160  101,0 

Casuarina  glauca  5  12  8,5  6  10  8,0  1300  1800  1550  30  120  75,0 

Eucalyptus  albens  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  camadulensis  5  12  8,5  6  10  8,0  1300  1800  1550  30  120  75,0 

Eucalyptus  cladocalyx  7  16  11,5  6  10  8,0  1300  1800  1550  42  160  101,0 

Eucalyptus  globulus  7  16  11,5  6  10  8,0  1300  1800  1550  42  160  101,0 

Eucalyptus  gomphocephala  5  12  8,5  6  10  8,0  1300  1800  1550  30  120  75,0 

Eucalyptus  melliodora  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  polyanthemos  5  12  8,5  6  10  8,0  1300  1800  1550  30  120  75,0 

Pinus  halepensis  x  x  x  x  x  x  x  x  x  x  x  x 

Pinus  radiata  7  16  11,5  10  15  12,5  1300  1800  1550  70  240  155,0 

Rhus  lancea  3  7  5,0  6  10  8,0  1800  2200  2000  18  70  44,0 

Rhus  pendulina  3  8  5,5  6  10  8,0  1800  2200  2000  18  80  49,0 

Schinus  molle  x  x  x  x  x  x  x  x  x  x  x  x 

Ziziphus  mucronata  x  x  x  x  x  x  x  x  x  x  x  x 

Growth rate/MAI [tonnes/ha/a; fresh] 

whole tree 

Cycle/rotation  length (‐2 years  after coppice) 

Trees/ha Potential yield 

[tonnes/ha/rotation] fresh 

Species performance Group 04 

min  max  med  min  max  med  min  max  med  min  max  med Acacia  karroo  5  10  7,5  8  18  13,0  1300  1800  1550  40  180  110,0 

Acacia  mearnsii  x  x  x  x  x  x  x  x  x  x  x  x 

Acacia  saligna  5  10  7,5  7  11  9,0  1500  2000  1750  35  110  72,5 

Casuarina  cunninghamiana  5  10  7,5  8  12  10,0  1000  1500  1250  40  120  80,0 

Casuarina  glauca  3  8  5,5  8  12  10,0  1000  1500  1250  24  96  60,0 

Eucalyptus  albens  3  8  5,5  8  12  10,0  1000  1500  1250  24  96  60,0 

Eucalyptus  camadulensis  3  9  6,0  8  12  10,0  1000  1500  1250  24  108  66,0 

Eucalyptus  cladocalyx  4  12  8,0  8  12  10,0  1000  1500  1250  32  144  88,0 

Eucalyptus  globulus  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  gomphocephala  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  melliodora  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  polyanthemos  3  9  6,0  8  12  10,0  1000  1500  1250  24  108  66,0 

Pinus  halepensis  x  x  x  x  x  x  x  x  x  x  x  x 

Pinus  radiata  4  10  7,0  10  15  12,5  1000  1500  1250  40  150  95,0 

Rhus  lancea  3  6  4,5  9  12  10,5  1500  2000  1750  27  72  49,5 

Rhus  pendulina  3  8  5,5  6  10  8,0  1800  2200  2000  18  80  49,0 

Schinus  molle  x  x  x  x  x  x  x  x  x  x  x  x 

Ziziphus  mucronata  x  x  x  x  x  x  x  x  x  x  x  x 

                                                                                                                                                                                             

22  

                           

Growth rate/MAI [tonnes/ha/a; fresh] 

whole tree 

Cycle/rotation  length (‐2 years  after coppice) 

Trees/ha Potential yield 

[tonnes/ha/rotation] fresh 

Species performance Group 05 

min  max  med  min  max  med  min  max  med  min  max  med Acacia  karroo  5  10  7,5  8  18  13,0  1300  1800  1550  40  180  110,0 

Acacia  mearnsii  x  x  x  x  x  x  x  x  x  x  x  x 

Acacia  saligna  5  10  7,5  7  11  9,0  1500  2000  1750  35  110  72,5 

Casuarina  cunninghamiana  5  10  7,5  8  12  10,0  1000  1500  1250  40  120  80,0 

Casuarina  glauca  3  8  5,5  8  12  10,0  1000  1500  1250  24  96  60,0 

Eucalyptus  albens  3  8  5,5  8  12  10,0  1000  1500  1250  24  96  60,0 

Eucalyptus  camadulensis  3  9  6,0  8  12  10,0  1000  1500  1250  24  108  66,0 

Eucalyptus  cladocalyx  4  12  8,0  8  12  10,0  1000  1500  1250  32  144  88,0 

Eucalyptus  globulus  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  gomphocephala  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  melliodora  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  polyanthemos  3  9  6,0  8  12  10,0  1000  1500  1250  24  108  66,0 

Pinus  halepensis  3  8  5,5  10  16  13,0  1000  1500  1250  30  128  79,0 

Pinus  radiata  x  x  x  x  x  x  x  x  x  x  x  x 

Rhus  lancea  3  6  4,5  9  12  10,5  1500  2000  1750  27  72  49,5 

Rhus  pendulina  3  8  5,5  6  10  8,0  1800  2200  2000  18  80  49,0 

Schinus  molle  x  x  x  x  x  x  x  x  x  x  x  x 

Ziziphus  mucronata  x  x  x  x  x  x  x  x  x  x  x  x 

Growth rate/MAI [tonnes/ha/a; fresh] 

whole tree 

Cycle/rotation  length (‐2 years  after coppice) 

Trees/ha Potential yield 

[tonnes/ha/rotation] fresh 

Species performance Group 06 

min  max  med  min  max  med  min  max  med  min  max  med Acacia  karroo  5  10  7,5  8  18  13,0  1300  1800  1550  40  180  110,0 

Acacia  mearnsii  x  x  x  x  x  x  x  x  x  x  x  x 

Acacia  saligna  4  10  7,0  7  11  9,0  1500  2000  1750  28  110  69,0 

Casuarina  cunninghamiana  4  10  7,0  9  15  12,0  1000  1500  1250  36  150  93,0 

Casuarina  glauca  2  8  5,0  9  15  12,0  1000  1500  1250  18  120  69,0 

Eucalyptus  albens  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  camadulensis  2  9  5,5  10  15  12,5  1000  1500  1250  20  135  77,5 

Eucalyptus  cladocalyx  3  12  7,5  8  15  11,5  1000  1500  1250  24  180  102,0 

Eucalyptus  globulus  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  gomphocephala  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  melliodora  2,0  7,0  4,5  9  15  12,0  1000  1500  1250  18  105  61,5 

Eucalyptus  polyanthemos  x  x  x  x  x  x  x  x  x  x  x  x 

Pinus  halepensis  2,0  7,0  4,5  10  16  13,0  1000  1500  1250  20  112  66,0 

Pinus  radiata  x  x  x  x  x  x  x  x  x  x  x  x 

Rhus  lancea  2  6  4,0  9  15  12,0  1500  2000  1750  18  90  54,0 

Rhus  pendulina  3  8  5,5  6  10  8,0  1800  2200  2000  18  80  49,0 

Schinus  molle  x  x  x  x  x  x  x  x  x  x  x  x 

Ziziphus  mucronata  x  x  x  x  x  x  x  x  x  x  x  x                                                                                  

23  

Growth rate/MAI [tonnes/ha/a; fresh] 

whole tree 

Cycle/rotation  length (‐2 years  after coppice) 

Trees/ha Potential yield [tonnes/ha/ rotation] fresh 

Species performance Group 07 

min  max  med  min  max  med  min  max  med  min  max  med Acacia  karroo  3  10  6,5  12  22  17,0  800  1000  900  36  220  128,0 

Acacia  mearnsii  x  x  x  x  x  x  x  x  x  x  x  x 

Acacia  saligna  x  x  x  x  x  x  x  x  x  x  x  x 

Casuarina  cunninghamiana  4  10  7,0  9  15  12,0  1000  1500  1250  36  150  93,0 

Casuarina  glauca  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  albens  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  camadulensis  2  9  5,5  9  15  12,0  1000  1500  1250  18  135  76,5 

Eucalyptus  cladocalyx  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  globulus  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  gomphocephala  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  melliodora  2  7  4,5  9  15  12,0  1000  1500  1250  18  105  61,5 

Eucalyptus  polyanthemos  x  x  x  x  x  x  x  x  x  x  x  x 

Pinus  halepensis  2  7  4,5  10  16  13,0  1000  1500  1250  20  112  66,0 

Pinus  radiata  x  x  x  x  x  x  x  x  x  x  x  x 

Rhus  lancea  2  6  4,0  9  15  12,0  1500  2000  1750  18  90  54,0 

Rhus  pendulina  3  8  5,5  6  10  8,0  1800  2200  2000  18  80  49,0 

Schinus  molle  x  x  x  x  x  x  x  x  x  x  x  x 

Ziziphus  mucronata  x  x  x  x  x  x  x  x  x  x  x  x 

Growth rate/MAI [tonnes/ha/a; fresh] 

whole tree 

Cycle/rotation  length (‐2 years  after coppice) 

Trees/ha Potential yield 

[tonnes/ha/rotation] fresh 

Species performance Group 08 

min  max  med  min  max  med  min  max  med  min  max  med Acacia  karroo  1  5  3,0  12  22  17,0  800  1000  900  12  110  61,0 

Acacia  mearnsii  x  x  x  x  x  x  x  x  x  x  x  x 

Acacia  saligna  x  x  x  x  x  x  x  x  x  x  x  x 

Casuarina  cunninghamiana  x  x  x  x  x  x  x  x  x  x  x  x 

Casuarina  glauca  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  albens  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  camadulensis  2  5  3,5  15  20  17,5  1000  1500  1250  30  100  65,0 

Eucalyptus  cladocalyx  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  globulus  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  gomphocephala  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  melliodora  x  x  x  x  x  x  x  x  x  x  x  x 

Eucalyptus  polyanthemos  x  x  x  x  x  x  x  x  x  x  x  x 

Pinus  halepensis  2  4  3,0  15  20  17,5  1000  1500  1250  30  80  55,0 

Pinus  radiata  x  x  x  x  x  x  x  x  x  x  x  x 

Rhus  lancea  2  4  3,0  15  20  17,5  1000  1500  1250  30  80  55,0 

Rhus  pendulina  3  8  5,5  6  10  8,0  1800  2200  2000  18  80  49,0 

Schinus  molle  1  3  2,0  15  20  17,5  1000  1500  1250  15  60  37,5 

Ziziphus  mucronata  1  3  2,0  15  20  17,5  1000  1500  1250  15  60  37,5 

  

Annexure 10: Estimated annual biomass availability – exotic species (minimum MAI, in tons/ha) 

* Land use: 1 = intensive permanent and temporary farmland; 2 = extensive dryland and improved grassland; 3 = forest plantations; 4 = fynbos. shrubland and bushland; 5 = CCP agricultural land; 6 = CCP forest plantations; 7 = CCP exit; 

Slope classes (in %) 

relatively homogeneous farming areas 

RHFA group 

expected MAI 

(ha/year) 

Landuse 

00‐10  11‐20  21‐30  31‐35  36‐60  

≤ 35  ≤ 60 

1  0 0 0 0  0 0 02  0 0 0 0  0 0 03  0 0 0 0  0 0 0

Agter‐Paarl  3  7.0 

4  440 16 3 0  0 459

459

459

459

1  0 0 0 0  0 0 02  0 0 0 0  0 0 03  0 0 0 0  0 0 04  17003 27870 27161 13007  48482 85043 1335255  0 0 0 0  0 0 06  0 0 0 0  0 0 0

Berge  9  4.0 

7  0 0 0 0  0 0

85043

0

133525

1  12111 1310 136 17  29 13575 136042  29225 5318 532 104  190 35180 35371Bergplase  4  4.0 4  11671 10491 6213 2384  6432 30760

7951637192

86168

1  0 0 0 0  0 0 02  0 0 0 0  0 0 03  0 0 0 0  0 0 0

Bergrivier/Paarl  3  7.0 

4  0 0 0 0  0 0

0

0

0

1  0 0 0 0  0 0 02  0 0 0 0  0 0 03  0 0 0 0  0 0 0

Bottelary  3  7.0 

4  0 0 0 0  0 0

0

0

0

1  0 0 0 0  0 0 02  27799 2060 387 90  318 30337 30655Breëriviervallei  4  4.0 4  8525 3074 1302 419  942 13322

4365914264

44920

1  0 0 0 0  0 0 02  0 0 0 0  0 0 0Ceres Karoo  8  2.0 4  0 0 0 0  0 0

00

0

24  

Slope classes (in %) 

Relatively homogeneous farming areas 

RHFA group 

Expected MAI 

(ha/year) 

Landuse 

00‐10  11‐20  21‐30  31‐35  

36‐60  ≤ 35  ≤ 60 

1  0 0 0 0  0 0 02  0 0 0 0  0 0 03  0 0 0 0  0 0 0937Drakenstein/Groenberg 4  425 335 143 32  71 937 1008

1  8.0 

6  0 0 0 0  0 0 0

1008

1  0 0 0 0  0 0 02  0 0 0 0  0 0 03  0 0 0 0  0 0 04  550 349 168 36  63 1104 1167

Eersteriviervallei 

6  0 0 0 0  0 0 0

1  8.0 

6  0 0 0 0  0 0

1104

0

1167

1  0 0 0 0  0 0 02  0 0 0 0  0 0 03  0 0 0 0  0 0 04  1349 365 320 153  641 2189 28306  0 0 0 0  0 0 0

Franschhoek/Simonsberg  1  8.0  2189

7  0 0 0 0  0 0 0

2830

1  0 0 0 0  0 0 02  0 0 0 0  0 0 0Gemengde Boerderygebied  3  7.0 4  0 0 0 0  0 0

00

0

1  0 0 0 0  0 0 02  0 0 0 0  0 0 03  0 0 0 0  0 0 0

Gouda/Hermon  3  7.0 

4  0 0 0 0  0 0

0

0

0

1  0 0 0 0  0 0 02  27742 524 136 72  278 28476 287543  0 0 0 0  0 0 0

Goudini/Breërivier  2  7.0 

4  10146 2385 2360 1248  3940 16142

44619

20082

48837

Groot Karoo  8  2.0  4  0 0 0 0  0 0 0 0 01  0 0 0 0  0 0 02  2286 98 15 4  8 2403 24123  0 0 0 0  0 0 0

Hexvallei  5  4.0 

4  821 543 412 180  483 1958

4361

2442

4854

25  

Slope classes (in %) 

Relatively homogeneous farming areas 

RHFA group 

Expected MAI 

(ha/year) 

Landuse 

00‐10  11‐20  21‐30  31‐35  36‐60  

≤ 35  ≤ 60 

1  0 0 0 0  0 0 02  0 0 0 0  0 0 03  0 0 0 0  0 0 0

Hoë Reënval Saaigebied  3  7.0 

4  798 24 2 0  0 825

825

825

825

1  0 0 0 0  0 0 02  0 0 0 0  0 0 03  0 0 0 0  0 0 0

Hottentotsholland  3  7.0 

4  0 0 0 0  0 0

0

0

0

1  0 0 0 0  0 0 02  1400 486 46 4  0 1938 1939Koo/Concordia/Bo‐Vlakte  5  4.0 4  1025 857 386 135  329 2405

43442734

4673

1  0 0 0 0  0 0 02  38697 1972 213 41  82 40924 410063  0 0 0 0  0 0 0

Koue Bokkeveld  6  3.0 

4  33948 10630 4194 1324  2867 50098

91022

52965

93972

Langeberg Saaigebied  7  4.0  4  0 0 0 0  0 0 0 0 01  0 0 0 0  0 0 02  0 0 0 0  0 0 0Langeberg Voetheuwels  4  4.0 4  505 929 611 202  329 2249

22492579

2579

2  0 0 0 0  0 0 0Middel‐Swartland Saaigebied  3  7.0 

4  0 0 0 0  0 00

00

1  0 0 0 0  0 0 02  4094 921 38 2  0 5055 5055Montagu‐Bergplaas  5  4.0 4  3409 2903 1654 623  1710 8590

1364610301

15357

1  0 0 0 0  0 0 02  665 206 30 2  10 904 914Montagu‐Kom  5  4.0 4  9846 14970 13802 6493  20705 45112

4601665817

66732

1  0 0 0 0  0 0 02  320 88 8 0  0 417 417Montagu‐Rivierplaas  5  4.0 4  566 529 454 197  582 1747

21652330

2748

1  0 0 0 0  0 0 02  4401 165 38 9  6 4615 4621Montagu‐Saaigebied 1  6  3.0 4  5661 1494 734 246  589 8137

127538726

13348

26  

Slope classes (in %) 

Relatively homogeneous farming areas 

RHFA group 

expected MAI 

(ha/year) 

Landuse 

00‐10  11‐20  21‐30  31‐35  36‐60  

≤ 35  ≤ 60 

1  0 0 0 0  0 0 02  14347 774 87 22  17 15231 15248Montagu‐Saaigebied 2  7  4.0 4  51274 30288 16400 6001  14696 103964

119195118660

133908

1  0 0 0 0  0 0 02  200 49 11 1  0 264 264Montagu‐Saaigebied 3  7  4.0 4  1540 1317 639 189  308 3687

39513996

4260

1  0 0 0 0  0 0 02  29311 1943 250 66  138 31572 31711Overhex/Moordkuil  4  4.0 4  11841 4863 2503 889  2174 20096

5166922271

53982

Riviersonderendvallei  4  4.0  4  0 0 0 0  0 0 0 0 01  0 0 0 0  0 0 02  0 0 0 0  0 0 0Ruens  4  4.0 4  0 0 0 0  0 0

00

0

1  0 0 0 0  0 0 02  2897 2287 320 43  15 5548 5564Stockwell  5  4.0 4  491 729 501 180  440 1903

74522344

7908

1  0 0 0 0  0 0 0Suid‐Oostelike Platogebied  6  3.0 

4  41 95 105 53  184 295295

479479

1  0 0 0 0  0 0 02  0 0 0 0  0 0 0Touw/Ladismith‐Karoo  7  4.0 4  16085 3102 1648 650  1842 21487

2148723329

23329

1  0 0 0 0  0 0 02  51626 6875 666 58  52 59226 592793  0 0 0 0  0 0 04  4550 3270 1879 604  1224 10304 115285  0 0 0 0  0 0 06  0 0 0 0  0 0 0

Tulbagh/Wolseley  2  7.0 

7  0 0 0 0  0 0

69531

0

70807

1  0 0 0 0  0 0 02  0 0 0 0  0 0 0Twisniet/Barrydale/Doornrivier 1  5  4.0 4  279 461 294 78  118 1113

11131232

1232

                

27  

Slope classes (in %) 

Relatively homogeneous farming areas 

RHFA group 

Expected MAI 

(ha/year) 

Landuse 

00‐10  11‐20  21‐30  31‐35  36‐60  

≤ 35  ≤ 60 

1  0 0 0 0  0 0 02  0 0 0 0  0 0 0Twisniet/Barrydale/Doornrivier 2  7  4.0 4  3293 1354 609 177  259 5433

54335692

5692

1  0 0 0 0  0 0 02  0 0 0 0  0 0 03  0 0 0 0  0 0 0

Vier‐en‐Twintig Riviere  3  7.0 

4  783 26 15 9  63 834

834

897

897

1  0 0 0 0  0 0 02  0 0 0 0  0 0 0Villiersdorp/Vyeboom  1  8.0 4  0 0 0 0  0 0

00

0

1  0 0 0 0  0 0 02  0 0 0 0  0 0 03  0 0 0 0  0 0 0

Warm Bokkeveld  6  3.0 

4  1843 514 180 38  51 2577

2577

2628

2628

1  0 0 0 0  0 0 02  0 0 0 0  0 0 03  0 0 0 0  0 0 0

Winterhoek  2  7.0 

4  640 380 349 112  131 1483

1483

1614

1614

 Total (in tons/year)  149259 36215  110816 719937  830753    

28  

 Annexure 11: Estimated annual biomass availability – exotic species (medium MAI, in tons/ha) 

* Land use: 1 = intensive permanent and temporary farmland; 2 = extensive dryland and improved grassland; 3 = forest plantations; 4 = fynbos. shrubland and bushland; 5 = CCP agricultural land; 6 = CCP forest plantations; 7 = CCP exit; 

Slope classes (in %) Relatively homogeneous farming areas 

RHFA group 

Expected MAI 

(ha/year) 

Land use 

00‐10  11‐20  21‐30  31‐35  36‐60    ≤ 35  ≤ 60 

1  0 0 0 0 0    0 02  0 0 0 0 0    0 03  0 0 0 0 0    0 0

Agter‐Paarl  3  11.5 

4  723 26 5 0 0    754

754

754

754

1  0 0 0 0 0    0 02  0 0 0 0 0    0 03  0 0 0 0 0    0 04  34007 55740 54323 26015 96964    170086 2670505  0 0 0 0 0    0 06  0 0 0 0 0    0 0

Berge  9  8.0 

7  0 0 0 0 0    0

170086

0

267050

1  24222 2620 273 34 57    27151 272092  58451 10636 1065 208 381    70360 70742Bergplase  4  8.0 4  23342 20983 12426 4768 12864    61520

15903274384

172336

1  0 0 0 0 0    0 02  0 0 0 0 0    0 03  0 0 0 0 0    0 0

Bergrivier/Paarl  3  11.5 

4  0 0 0 0 0    0

0

0

0

1  0 0 0 0 0    0 02  0 0 0 0 0    0 03  0 0 0 0 0    0 0

Bottelary  3  11.5 

4  0 0 0 0 0    0

0

0

0

1  0 0 0 0 0    0 02  55598 4120 775 180 636    60674 61311Breëriviervallei  4  8.0 4  17050 6149 2605 839 1884    26644

8731928529

89840

1  0 0 0 0 0    0 02  0 0 0 0 0    0 0Ceres Karoo  8  3.5 4  0 0 0 0 0    0

00

0

29  

Slope classes (in %) 

Expected MAI 

(ha/year) 

Relatively homogeneous farming areas 

RHFA  Land use 

11‐20  21‐30  31‐35  36‐60 group 

00‐10    ≤ 35  ≤ 60 

1  0 0 0 0    00 00   2  0 0 0 0 0 0

3  0 0 0 0 0    0 04  691 545 233 53 116    1523 1639

Drakenstein/ Groenberg 

1  13.0 

6  0 0 0

1523

0   0 0 0

1639

0   1  0 0 0 0 0 02  0 0 0 0    00 0

0   3  0 0 0 0 0 04  894 567 273 59 102    1795 18976  0 0 0 0 0    0 0

Eersteriviervallei  1  13.0 

6  0 0 0

1795

0   0 0 0

1897

1  0 0 0 0   0 0 00   2  0 0 0 0 0 0

3  0 0 0 0 0    0 04  2193 593 521 248 1042    3557 45996  0 0 0 0 0    0 0

Franschhoek/ Simonsberg 

1  13.0 

7  0 0 0

3557

0   0 0 0

4599

1  0 0 0 0 0    0 02  0 0 0 0 0    0 0

Gemengde Boerderygebied 

3  11.5 4  0 0 0

00   0 0 0

0

1  0 0 0 0   0 0 00   2  0 0 0 0 0 0

3  0 0 0 0 0    0 0Gouda/Hermon  3  11.5  0

0 0 0 0 0    04  0

0

1  0 0 0 0 0  0 0 2  45577 862 224 119 456  46783 472403  0 0 0 0 0  0 0

Goudini/Breërivier  2  11.5  73302 80232

4  16669 3919 3878 2051 6473  26519 32992Groot Karoo  8    4  0 0 0 0 0  0 0 0 0

1  0 0 0 0 0  0 02  4572 196 30 8 17  4807 48243  0 0 0 0 0  0 0

Hexvallei  5  8.0 

4  1642 1087 824 361 967  3916

8723

4884

9708

30  

Slope classes (in %) Relatively homogeneous farming areas 

RHFA group 

Expected MAI 

(ha/year) 

Land use 

00‐10  11‐20  21‐30  31‐35  36‐60    ≤ 35  ≤ 60 

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Hoë Reënval Saaigebied 

3  11.5 

4  1311 39 4 0 0  1355

1355

1355

1355

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Hottentotsholland  3  11.5 

4  0 0 0 0 0  0

0

0

0

1  0 0 0 0 0  0 02  2801 972 93 9 1  3876 3878

Koo/Concordia/Bo‐Vlakte 

5  8.0 4  2051 1715 773 270 658  4811

86885469

9347

1  0 0 0 0 0  0 02  96744 4930 533 103 207  102310 1025173  0 0 0 0 0  0 0

Koue Bokkeveld  6  7.5 

4  84870 26576 10486 3312 7169  125245

227555

132414

234932

Langeberg Saaigebied 

7  7.0  4  0 0 0 0 0 

 

0 0 0 0

1  0 0 0 0 0    0 02  0 0 0 0 0    0 0

Langeberg Voetheuwels 

4  8.0 4  1011 1859 1223 404 658    4499

44995158

5158

2  0 0 0 0 0    0 0Middel‐Swartland Saaigebied 

3  11.5 4  0 0 0 0 0    0

00

0

1  0 0 0 0 0    0 02  8188 1842 76 4 0    10111 10111Montagu‐Bergplaas  5  8.0 4  6818 5806 3308 1247 3421    17180

2729220602

30714

1  0 0 0 0 0  0 02  1330 413 60 5 20  1808 1829Montagu‐Kom  5  8.0 4  19692 29940 27605 12986 41410  90224

92033131635

133464

1  0 0 0 0 0  0 02  641 177 16 0 0  835 835Montagu‐Rivierplaas  5  8.0 4  1132 1059 908 395 1165 

 

34954330

46605496

                      

31  

Slope classes (in %) Relatively homogeneous farming areas 

RHFA group 

Expected MAI 

(ha/year) 

Land use 

00‐10  11‐20  21‐30  31‐35  36‐60    ≤ 35  ≤ 60 

1  0 0 0 0 0  0 02  11003 414 97 24 15  11539 11554

Montagu‐Saaigebied 1 

6  7.5 4  14154 3736 1835 617 1473  20342

3188221816

33371

1  0 0 0 0 0  0 02  25108 1354 152 38 29  26654 26684

Montagu‐Saaigebied 2 

7  7.0 4  89730 53004 28700 10502 25718  181937

208592207655

234340

1  0 0 0 0 0  0 02  351 87 20 3 0  463 463

Montagu‐Saaigebied 3 

7  7.0 4  2695 2305 1119 332 540  6452

69156992

7456

1  0 0 0 0 0  0 02  58623 3887 500 133 276  63145 63422Overhex/Moordkuil  4  8.0 4  23682 9726 5006 1778 4349  40193

10333944543

107965

Riviersonderendvallei  4  8.0  4  0 0 0 0 0 

 

0 0 0 01  0 0 0 0 0  0 02  0 0 0 0 0  0 0Ruens  4  8.0 4  0 0 0 0 0  0

00

0

1  0 0 0 0 0  0 02  5795 4575 640 85 31  11097 11129Stockwell  5  8.0 4  983 1459 1002 361 881  3806

149044688

15817

1  0 0 0 0 0  0 0Suid‐Oostelike Platogebied 

6  7.5 4  102 238 262 134 460  738

7381199

1199

1  0 0 0 0 0  0 02  0 0 0 0 0  0 0

Touw/Ladismith‐Karoo 

7  7.0 4  28149 5428 2885 1138 3224 

 

3760237602

4082740827

1  0 0 0 0 0  0 02  84815 11294 1094 96 86  97301 973873  0 0 0 0 0  0 04  7475 5372 3087 993 2010  16928 189385  0 0 0 0 0  0 06  0 0 0 0 0  0 0

Tulbagh/Wolseley  2  11.5 

7  0 0 0 0 0 

 

0

114229

0

116326

           

32  

Slope classes (in %) Relatively homogeneous farming areas 

RHFA group 

Expected MAI 

(ha/year) 

Land use 

00‐10  11‐20  21‐30  31‐35  36‐60    ≤ 35  ≤ 60 

1  0 0 0 0 0  0 02  0 0 0 0 0  0 0

Twisniet/Barrydale/ Doornrivier 1 

5  8.0 4  558 922 589 156 237  2226

22262464

2464

1  0 0 0 0 0  0 02  0 0 0 0 0  0 0

Twisniet/Barrydale/ Doornrivier 2 

7  7.0 4  5762 2370 1066 309 454 

 

95089508

99629962

           1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Vier‐en‐Twintig Riviere 

3  11.5 

4  1286 42 25 16 104  1370

1370

1474

1474

1  0 0 0 0 0  0 02  0 0 0 0 0  0 0

Villiersdorp/ Vyeboom 

1  13.0 4  0 0 0 0 0  0

00

0

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Warm Bokkeveld  6  7.5 

4  4609 1286 450 96 128  6443

6443

6571

6571

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Winterhoek  2  11.5 

4  1051 625 574 184 215 

 

2436

2436

2651

2651

Total (in tons/year)  291517 70691 216918    1412040  1628959 

33  

 Annexure 12: Estimated annual biomass availability – exotic species (maximum MAI, in tons/ha) 

* Land use: 1 = intensive permanent and temporary farmland; 2 = extensive dryland and improved grassland; 3 = forest plantations; 4 = fynbos. shrubland and bushland; 5 = CCP agricultural land; 6 = CCP forest plantations; 7 = CCP exit; 

Slope classes (in %) Relatively homogeneous 

farming areas RHFA group 

Expected MAI 

(ha/year) 

Land use* 

00‐10  11‐20  21‐30  31‐35  36‐60    ≤ 35  ≤ 60 

1  0 0 0 0 0 0 02  0 0 0 0 0 0 03  0 0 0 0 0 0 0

Agter‐Paarl  3  16.0 

4  1006 36 7 0 0 1050

1050

1050

1050

1  0 0 0 0 0 0 02  0 0 0 0 0 0 03  0 0 0 0 0 0 04  51011 83611 81484 39022 145446 255129 4005765  0 0 0 0 0 0 06  0 0 0 0 0 0 0

Berge  9  12.0 

7  0 0 0 0 0 0

255129

0

400576

1  36334 3930 410 52 86 40727 408142  87676 15954 1597 312 572 105540 106113Bergplase  4  12.0 4  35014 31475 18639 7152 19296 92281

238549111577

258505

1  0 0 0 0 0 0 02  0 0 0 0 0 0 03  0 0 0 0 0 0 0

Bergrivier/Paarl  3  16.0 

4  0 0 0 0 0 0

0

0

0

1  0 0 0 0 0 0 02  0 0 0 0 0 0 03  0 0 0 0 0 0 0

Bottelary  3  16.0 

4  0 0 0 0 0 0

0

0

0

1  0 0 0 0 0 0 02  83397 6180 1163 270 954 91012 91966Breëriviervallei  4  12.0 4  25575 9224 3907 1259 2827 39966

13097942794

134761

1  0 0 0 0 0 0 02  0 0 0 0 0 0 0Ceres Karoo  8  5.0 4  0 0 0 0 0 0

00

0

34  

Slope classes (in %) Relatively homogeneous 

farming areas RHFA group 

Expected MAI 

(ha/year) 

Land use* 

00‐10  11‐20  21‐30  31‐35  36‐60    ≤ 35  ≤ 60 

1  0 0 0 0 0 0 02  0 0 0 0 0 0 03  0 0 0 0 0 0 04  956 754 323 74 161 2108 2269

Drakenstein/Groenberg  1  18.0 

6  0 0 0 0 0 0

2108

0

2269

1  0 0 0 0 0 0 02  0 0 0 0 0 0 03  0 0 0 0 0 0 04  1237 786 379 82 141 2486 26276  0 0 0 0 0 0 0

Eersteriviervallei  1  18.0 

6  0 0 0 0 0 0

2486

0

2627

1  0 0 0 0 0 0 02  0 0 0 0 0 0 03  0 0 0 0 0 0 04  3037 822 721 344 1443 4925 63686  0 0 0 0 0 0 0

Franschhoek/Simonsberg  1  18.0 

7  0 0 0 0 0 0

4925

0

6368

1  0 0 0 0 0 0 02  0 0 0 0 0 0 0

Gemengde Boerderygebied 

3  16.0 4  0 0 0 0 0 0

00

0

1  0 0 0 0 0 0 02  0 0 0 0 0 0 03  0 0 0 0 0 0 0

Gouda/Hermon  3  16.0 

4  0 0 0 0 0 0

0

0

0

1  0 0 0 0 0 0 02  63411 1199 312 165 635 65090 657253  0 0 0 0 0 0 0

Goudini/Breërivier  2  16.0 

4  23192 5453 5396 2854 9006 36896

101986

45902

111628

Groot Karoo  8  5.0  4  0 0 0 0 0 0 0 0 01  0 0 0 0 0 0 02  6858 295 45 12 26 7211 72373  0 0 0 0 0 0 0

Hexvallei  5  12.0 

4  2463 1631 1237 542 1451 5874

13085

7326

14563

35  

Slope classes (in %) Relatively homogeneous 

farming areas RHFA group 

Expected MAI 

(ha/year) 

Land use* 

00‐10  11‐20  31‐35    ≤ 35 21‐30  36‐60  ≤ 60 

1  0 0 0 0 0 0 02  0 0 0 0 0 0 03  0 0 0 0 0 0 0

Hoë Reënval Saaigebied  3  16.0  1886

4  1824 54 6 0 0 1886 1886

1886

1  0 0 0 0 0 0 02  0 0 0 0 0 0 03  0 0 0 0 0 0 0

Hottentotsholland  3  16.0 

4  0 0 0 0 0 0

0

0

0

1  0 0 0 0 0 0 02  4202 1458 139 14 2 5815 5817Koo/Concordia/Bo‐Vlakte  5  12.0 4  3077 2573 1160 405 987 7216

130328203

14021

1  0 0 0 0 0 0 02  154790 7888 853 164 331 163696 1640273  0 0 0 0 0 0 0

Koue Bokkeveld  6  12.0 

4  135792 42522 16778 5299 11470 200392

364089

211863

375891

Langeberg Saaigebied  7  10.0  4  0 0 0 0 0 0 0 0 01  0 0 0 0 0 0 02  0 0 0 0 0 0 0Langeberg Voetheuwels  4  12.0 4  1517 2789 1835 606 988 6749

67497737

7737

2  0 0 0 0 0 0 0Middel‐Swartland Saaigebied 

3  16.0 4  0 0 0 0 0 0

00

0

1  0 0 0 0 0 0 02  12283 2763 114 7 0 15167 15167Montagu‐Bergplaas  5  12.0 4  10227 8709 4962 1871 5132 25770

4093830903

46071

1  0 0 0 0 0 0 02  1995 619 90 7 31 2712 2744Montagu‐Kom  5  12.0 4  29538 44910 41408 19480 62115 135336

138049197452

200196

1  0 0 0 0 0 0 02  961 266 24 0 0 1252 1253Montagu‐Rivierplaas  5  12.0 4  1699 1588 1362 593 1747 5243

64966991

8244

1  0 0 0 0 0 0 02  17606 663 155 38 24 18463 18487Montagu‐Saaigebied 1  6  12.0 4  22646 5978 2936 987 2357 32548

5101134906

53393

36  

Slope classes (in %) Relatively homogeneous 

farming areas RHFA group 

Expected MAI 

(ha/year) 

Land use* 

00‐10  11‐20  21‐30  31‐35  36‐60    ≤ 35  ≤ 60 

1  0 0 0 0 0 0 02  35869 1935 218 55 42 38078 38120Montagu‐Saaigebied 2  7  10.0 4  128186 75720 41000 15003 36740 259910

297989296651

334772

1  0 0 0 0 0 0 02  502 124 29 4 0 661 662Montagu‐Saaigebied 3  7  10.0 4  3850 3294 1599 474 771 9218

98799989

10652

1  0 0 0 0 0 0 02  87935 5831 751 200 415 94717 95133Overhex/ Moordkuil  4  12.0 4  35523 14589 7510 2668 6524 60290

15500866815

161948

Riviersonderendvallei  4  12.0  4  0 0 0 0 0 0 0 0 01  0 0 0 0 0 0 02  0 0 0 0 0 0 0Ruens  4  12.0 4  0 0 0 0 0 0

00

0

1  0 0 0 0 0 0 02  8693 6863 960 128 47 16646 16693Stockwell  5  12.0 4  1475 2189 1503 542 1322 5710

223567032

23726

1  0 0 0 0 0 0 0Suid‐Oostelike Platogebied  6  12.0 

4  164 381 419 215 737 11811181

19181918

1  0 0 0 0 0 0 02  0 0 0 0 0 0 0Touw/Ladismith‐Karoo  7  10.0 4  40214 7755 4121 1626 4607 53717

5371758324

58324

1  0 0 0 0 0 0 02  118004 15714 1523 134 120 135375 1354963  0 0 0 0 0 0 04  10400 7474 4295 1381 2797 23552 263495  0 0 0 0 0 0 06  0 0 0 0 0 0 0

Tulbagh/Wolseley  2  16.0 

7  0 0 0 0 0 0

158928

0

161845

1  0 0 0 0 0 0 02  0 0 0 0 0 0 0

Twisniet/Barrydale/ Doornrivier 1 

5  12.0 4  837 1384 884 234 356

33403696

36963340

            

37  

Slope classes (in %) Relatively homogeneous 

farming areas RHFA group 

Expected MAI 

(ha/year) 

Land use* 

00‐10  11‐20  21‐30  31‐35  36‐60    ≤ 35  ≤ 60 

1  0 0 0 0 0 0 02  0 0 0 0 0 0 0

Twisniet/ Barrydale/ Doornrivier 2 

7  10.0 4  8232 3385 1523 442 648 13583

1358314232

14232

1  0 0 0 0 0 0 02  0 0 0 0 0 0 03  0 0 0 0 0 0 0

Vier‐en‐Twintig Riviere  3  16.0 

4  1789 59 35 22 144 1906

1906

2051

2051

1  0 0 0 0 0 0 02  0 0 0 0 0 0 0Villiersdorp/Vyeboom  1  18.0 4  0 0 0 0 0 0

00

0

1  0 0 0 0 0 0 02  0 0 0 0 0 0 03  0 0 0 0 0 0 0

Warm Bokkeveld  6  12.0 

4  7375 2059 720 154 205 10309

10309

10514

10514

1  0 0 0 0 0 0 02  0 0 0 0 0 0 03  0 0 0 0 0 0 0

Winterhoek  2  16.0 

4  1463 870 799 257 299 3389

3389

3689

3689

Total (in tons/year)  433775 105168 323021 2104143  2427165  

38  

 Annexure 13: Estimated annual biomass availability – indigenous species (minimum MAI, in tons/ha) 

* Land use: 1 = intensive permanent and temporary farmland; 2 = extensive dryland and improved grassland; 3 = forest plantations; 4 = Fynbos, shrubland and bushland; 5 = CCP agricultural land; 6 = CCP forest plantations; 7 = CCP exit; 

Slope classes (in %) Relatively homogeneous 

farming areas 

RHFA

 group 

Expected MAI 

(ha/year) 

Landuse* 

00‐10  11‐20  21‐30  31‐35  36‐60  ≤ 35  ≤ 60 

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Agter‐Paarl  3  6.0 

4  377 13 2 0 0  393

393

393

393

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 04  21254 34837 33952 16259 60602  106304 1669065  0 0 0 0 0  0 06  0 0 0 0 0  0 0

Berge  9  5.0 

7  0 0 0 0 0  0

106304

0

166906

1  15139 1637 170 21 36  16969 170062  36532 6647 665 130 238  43975 44214Bergplase  4  5.0 4  14589 13114 7766 2980 8040  38450

9939546490

107710

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Bergrivier/Paarl  3  6.0 

4  0 0 0 0 0  0

0

0

0

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Bottelary  3  6.0 

4  0 0 0 0 0  0

0

0

0

1  0 0 0 0 0  0 02  34749 2575 484 112 397  37921 38319Breëriviervallei  4  5.0 4  10656 3843 1628 524 1178  16652

5457417830

56150

1  0 0 0 0 0  0 02  0 0 0 0 0  0 0Ceres Karoo  8  3.0 4  0 0 0 0 0  0

00

0

39  

Slope classes (in %) Relatively homogeneous 

farming areas 

RHFA

 group 

Expected MAI 

(ha/year) 

Landuse* 

00‐10  11‐20  21‐30  31‐35  36‐60  ≤ 35  ≤ 60 

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 04  319 251 107 24 53  702 756

Drakenstein/Groenberg  1  6.0 

6  0 0 0 0 0  0

702

0

756

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 04  412 262 126 27 47  828 8756  0 0 0 0 0  0 0

Eersteriviervallei  1  6.0 

6  0 0 0 0 0  0

828

0

875

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 04  1012 274 240 114 481  1641 21226  0 0 0 0 0  0 0

Franschhoek/Simonsberg  1  6.0 

7  0 0 0 0 0  0

1641

0

2122

1  0 0 0 0 0  0 02  0 0 0 0 0  0 0Gemengde Boerderygebied  3  6.0 4  0 0 0 0 0  0

00

0

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Gouda/Hermon  3  6.0 

4  0 0 0 0 0  0

0

0

0

1  0 0 0 0 0  0 02  23779 449 117 62 238  24408 246473  0 0 0 0 0  0 0

Goudini/Breërivier  2  6.0 

4  8697 2045 2023 1070 3377  13836

38244

17213

41860

Groot Karoo  8  3.0  4  0 0 0 0 0  0 0 0 01  0 0 0 0 0  0 02  2857 122 18 5 10  3004 30153  0 0 0 0 0  0 0

Hexvallei  5  5.0 

4  1026 679 515 226 604  2447

5452

3052

6068

40  

Slope classes (in %) Relatively homogeneous 

farming areas 

RHFA

 group 

Expected MAI 

(ha/year) 

Landuse* 

00‐10  11‐20  21‐30  31‐35  36‐60  ≤ 35  ≤ 60 

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Hoë Reënval Saaigebied  3  6.0  707

4  684 20 2 0 0  707 707

707

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Hottentotsholland  3  6.0  0

4  0 0 0 0 0  0 0

0

1  0 0 0 0 0  0 02  1750 607 58 6 0  2423 2423Koo/Concordia/Bo‐Vlakte  5  5.0  54304  1282 1072 483 168 411  3007 3418

5842

1  0 0 0 0 0  0 02  64496 3286 355 68 138  68206 683443  0 0 0 0 0  0 0

Koue Bokkeveld  6  5.0  151703

4  56580 17717 6990 2208 4779  83497 88276

156621

Langeberg Saaigebied  7  3.0  4  0 0 0 0 0  0 0 0 01  0 0 0 0 0  0 02  0 0 0 0 0  0 0Langeberg Voetheuwels  4  5.0 4  632 1162 764 252 411  2812

28123223

3223

2  0 0 0 0 0  0 0Middel‐Swartland Saaigebied  3  6.0 

4  0 0 0 0 0  00

00

1  0 0 0 0 0  0 02  5118 1151 47 3 0  6319 6319Montagu‐Bergplaas  5  5.0 4  4261 3628 2067 779 2138  10737

1705712876

19196

1  0 0 0 0 0  0 02  831 258 37 3 13  1130 1143Montagu‐Kom  5  5.0 4  12307 18712 17253 8116 25881  56390

5752082271

83415

1  0 0 0 0 0  0 02  400 111 10 0 0  522 522Montagu‐Rivierplaas  5  5.0 4  708 661 567 247 728  2184

27062913

3435

1  0 0 0 0 0  0 02  7335 276 64 16 10  7693 7703Montagu‐Saaigebied 1  6  5.0 4  9436 2490 1223 411 982  13561

2125414544

22247

41  

Slope classes (in %) Relatively homogeneous 

farming areas 

RHFA

 group 

Expected MAI 

(ha/year) 

Landuse* 

00‐10  11‐20  21‐30  31‐35  36‐60  ≤ 35  ≤ 60 

1  0 0 0 0 0  0 02  10760 580 65 16 12  11423 11436Montagu‐Saaigebied 2  7  3.0 4  38456 22716 12300 4500 11022  77973

8939688995

100431

1  0 0 0 0 0  0 02  150 37 8 1 0  198 198Montagu‐Saaigebied 3  7  3.0 4  1155 988 479 142 231  2765

29632997

3195

1  0 0 0 0 0  0 02  36639 2429 312 83 173  39465 39638Overhex/Moordkuil  4  5.0 4  14801 6078 3129 1111 2718  25121

6458627839

67478

Riviersonderendvallei  4  5.0  4  0 0 0 0 0  0 0 0 01  0 0 0 0 0  0 02  0 0 0 0 0  0 0Ruens  4  5.0 4  0 0 0 0 0  0

00

0

1  0 0 0 0 0  0 02  3622 2859 400 53 19  6936 6955Stockwell  5  5.0 4  614 912 626 225 550  2379

93152930

9886

1  0 0 0 0 0  0 0Suid‐Oostelike Platogebied  6  5.0 

4  68 159 174 89 307  492492

799799

1  0 0 0 0 0  0 02  0 0 0 0 0  0 0Touw/Ladismith‐Karoo  7  3.0 4  12064 2326 1236 487 1382  16115

1611517497

17497

1  0 0 0 0 0  0 02  44251 5893 571 50 45  50765 508113  0 0 0 0 0  0 04  3900 2803 1610 518 1049  8832 98815  0 0 0 0 0  0 06  0 0 0 0 0  0 0

Tulbagh/Wolseley  2  6.0 

7  0 0 0 0 0  0

59598

0

60692

1  0 0 0 0 0  0 02  0 0 0 0 0  0 0

Twisniet/Barrydale/Doornrivier 1 

5  5.0 4  348 576 368 97 148  1391

13911540

1540

                

42  

Slope classes (in %) Relatively homogeneous 

farming areas 

RHFA

 group 

Expected MAI 

(ha/year) 

Landuse* 

00‐10  11‐20  21‐30  31‐35  36‐60  ≤ 35  ≤ 60 

1  0 0 0 0 0  0 02  0 0 0 0 0  0 0

Twisniet/Barrydale/Doornrivier 2 

7  3.0 4  2469 1015 456 132 194  4075

40754269

4269

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Vier‐en‐Twintig Riviere  3  6.0 

4  671 22 13 8 54  714

714

769

769

1  0 0 0 0 0  0 02  0 0 0 0 0  0 0Villiersdorp/Vyeboom  1  6.0 4  0 0 0 0 0  0

00

0

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Warm Bokkeveld  6  5.0 

4  3072 857 300 64 85  4295

4295

4381

4381

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Winterhoek  2  6.0 

4  548 326 299 96 112  1271

1271

1383

1383

 

43  

 Annexure 14: Estimated annual biomass availability – indigenous species (medium MAI, in tons/ha) 

* Land use: 1 = intensive permanent and temporary farmland; 2 = extensive dryland and improved grassland; 3 = forest plantations; 4 = Fynbos, shrubland and bushland; 5 = CCP agricultural land; 6 = CCP forest plantations; 7 = CCP exit; 

Slope classes (in %) Relatively homogeneous farming areas 

RHFA group 

Expected MAI 

(ha/year) 

Land use* 

00‐10  11‐20  21‐30  31‐35  36‐60    ≤ 35  ≤ 60 

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Agter‐Paarl  3  9.0 

4  565 20 4 0 0  590

590

590

590

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 04  31881 52256 50927 24389 90904  159456 2503605  0 0 0 0 0  0 06  0 0 0 0 0  0 0

Berge  9  7.5 

7  0 0 0 0 0  0

159456

0

250360

1  22709 2456 256 32 54  25454 255082  54798 9971 998 195 358  65963 66321Bergplase  4  7.5 4  21883 19672 11649 4470 12060  57675

14909369735

161565

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Bergrivier/Paarl  3  9.0 

4  0 0 0 0 0  0

0

0

0

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Bottelary  3  9.0 

4  0 0 0 0 0  0

0

0

0

1  0 0 0 0 0  0 02  52123 3863 727 169 596  56882 57479Breëriviervallei  4  7.5 4  15984 5765 2442 787 1767  24979

8186226746

84225

1  0 0 0 0 0  0 02  0 0 0 0 0  0 0Ceres Karoo  8  5.5 4  0 0 0 0 0 

 

00

00

44  

Slope classes (in %) Relatively homogeneous farming areas 

RHFA group 

Expected MAI 

(ha/year) 

Land use* 

00‐10  11‐20  21‐30  31‐35  36‐60    ≤ 35  ≤ 60 

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 04  478 377 161 37 80  1054 1134

Drakenstein/ Groenberg 

1  9.0 

6  0 0 0 0 0  0

1054

0

1134

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 04  619 393 189 41 70  1243 13136  0 0 0 0 0  0 0

Eersteriviervallei  1  9.0 

6  0 0 0 0 0  0

1243

0

1313

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 04  1518 411 360 172 721  2462 31846  0 0 0 0 0  0 0

Franschhoek/ Simonsberg 

1  9.0 

7  0 0 0 0 0  0

2462

0

3184

1  0 0 0 0 0  0 02  0 0 0 0 0  0 0

Gemengde Boerderygebied 

3  9.0 4  0 0 0 0 0  0

00

0

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Gouda/Hermon  3  9.0 

4  0 0 0 0 0  0

0

0

0

1  0 0 0 0 0  0 02  35669 674 176 93 357  36613 369703  0 0 0 0 0  0 0

Goudini/Breërivier  2  9.0 

4  13045 3067 3035 1605 5066  20754

57367

25820

62790

Groot Karoo  8  5.5  4  0 0 0 0 0  0 0 0 01  0 0 0 0 0  0 02  4286 184 28 7 16  4506 45233  0 0 0 0 0  0 0

Hexvallei  5  7.5 

4  1539 1019 773 339 907 

 

3671

8178

4578

9102

45  

Slope classes (in %) Relatively homogeneous farming areas 

RHFA group 

Expected MAI 

(ha/year) 

Land use* 

00‐10  11‐20  21‐30  31‐35  36‐60  ≤ 35   ≤ 60 

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Hoë Reënval Saaigebied 

3  9.0  1060

1060

1060

4  1026 30 3 0 0  10601  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Hottentotsholland  3  9.0  0

4  0 0 0 0 0  0 0

0

1  0 0 0 0 0  0 02  2626 911 87 9 1  3634 3635

Koo/Concordia/Bo‐Vlakte 

5  7.5  81454  1923 1608 725 253 617  4510 5127

8763

1  0 0 0 0 0  0 02  96744 4930 533 103 207  102310 1025173  0 0 0 0 0  0 0

Koue Bokkeveld  6  7.5 

4  84870 26576 10486 3312 7169 

227555

132414

234932

125245Langeberg Saaigebied  7  6.5  4  0 0 0 0 0  0 0 0 0

1  0 0 0 0 0  0 0 2  0 0 0 0 0  0 0

Langeberg Voetheuwels 

4  7.5  4218 48354  948 1743 1147 379 617  4218 48352  0 0 0 0 0  0 0Middel‐Swartland 

Saaigebied 3  9.0  0

4  0 0 0 0 0  0 00

1  0 0 0 0 0  0 02  7677 1727 71 4 0  9479 9479Montagu‐Bergplaas  5  7.5  25586

1931428794

4  6392 5443 3101 1169 3207  161061  0 0 0 0 0  0 02  1247 387 56 4 19  1695 1715Montagu‐Kom  5  7.5  86281

123407125122

4  18461 28068 25880 12175 38822  845851  0 0 0 0 0  0 02  601 166 15 0 0  783 783Montagu‐Rivierplaas  5  7.5  4060 51534  1062 992 851 370 1092  3277 43691  0 0 0 0 0  0 02  11003 414 97 24 15  11539 11554Montagu‐Saaigebied 1  6  7.5 4  14154 3736 1835 617 1473  20342

3188221816

33371

46  

Slope classes (in %) Relatively homogeneous farming areas 

RHFA group 

Expected MAI 

(ha/year) 

Land use* 

00‐10  11‐20  21‐30  31‐35  36‐60    ≤ 35  ≤ 60 

1  0 0 0 0 0  0 02  23315 1258 141 36 27  24750 24778Montagu‐Saaigebied 2  7  6.5 4  83321 49218 26650 9752 23881  168942

193692192823

217601

1  0 0 0 0 0  0 02  326 81 19 3 0  430 430Montagu‐Saaigebied 3  7  6.5 4  2502 2141 1039 308 501  5991

64216493

6923

1  0 0 0 0 0  0 02  54959 3644 469 125 259  59198 59458Overhex/Moordkuil  4  7.5 4  22202 9118 4693 1667 4077  37681

9688041759

101217

Riviersonderendvallei  4  7.5  4  0 0 0 0 0  0 0 0 01  0 0 0 0 0  0 02  0 0 0 0 0  0 0Ruens  4  7.5 4  0 0 0 0 0  0

00

0

1  0 0 0 0 0  0 02  5433 4289 600 80 29  10403 10433Stockwell  5  7.5 4  922 1368 939 338 826  3568

139724395

14829

1  0 0 0 0 0  0 0Suid‐Oostelike Platogebied 

6  7.5 4  102 238 262 134 460  738

7381199

1199

1  0 0 0 0 0  0 02  0 0 0 0 0  0 0Touw/Ladismith‐Karoo  7  6.5 4  26139 5041 2679 1057 2994  34916

3491637911

37911

1  0 0 0 0 0  0 02  66377 8839 856 75 67  76148 762163  0 0 0 0 0  0 04  5850 4204 2415 777 1573  13248 148215  0 0 0 0 0  0 06  0 0 0 0 0  0 0

Tulbagh/Wolseley  2  9.0 

7  0 0 0 0 0  0

89397

0

91038

1  0 0 0 0 0  0 02  0 0 0 0 0  0 0

Twisniet/Barrydale/ Doornrivier 1 

5  7.5 4  523 865 552 146 222 

 

20872087

23102310

                      

47  

Slope classes (in %) Relatively homogeneous farming areas 

RHFA group 

Expected MAI 

(ha/year) 

Land use* 

00‐10  11‐20  21‐30  31‐35  36‐60    ≤ 35  ≤ 60 

1  0 0 0 0 0  0 02  0 0 0 0 0  0 0

Twisniet/Barrydale/ Doornrivier 2 

7  6.5 4  5351 2200 990 287 421  8829

88299251

9251

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Vier‐en‐Twintig Riviere  3  9.0 

4  1006 33 19 12 81  1072

1072

1153

1153

1  0 0 0 0 0  0 02  0 0 0 0 0  0 0Villiersdorp/Vyeboom  1  9.0 4  0 0 0 0 0  0

00

0

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Warm Bokkeveld  6  7.5 

4  4609 1286 450 96 128  6443

6443

6571

6571

1  0 0 0 0 0  0 02  0 0 0 0 0  0 03  0 0 0 0 0  0 0

Winterhoek  2  9.0 

4  823 489 449 144 168 

 

1906

1906

2075

2075

Total (in tons/year)  271190 65806 201927    1306457  1508385  

48  

 Annexure 15: Estimated annual biomass availability – indigenous species (maximum MAI, in tons/ha) 

* Land use: 1 = intensive permanent and temporary farmland; 2 = extensive dryland and improved grassland; 3 = forest plantations; 4 = Fynbos, shrubland and bushland; 5 = CCP agricultural land; 6 = CCP forest plantations; 7 = CCP exit; 

Slope classes (in %) Relatively homogeneous farming areas 

RHFA group 

Expected MAI 

(ha/year) 

Land use* 

00‐10  11‐20  21‐30  31‐35 36‐60  ≤ 35  ≤ 60 

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0

3  0 0 0 0 0 0 0Agter‐Paarl  3  12.0 

4  754 27 5 0 0 787

787

787

787

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0

3  0 0 0 0 0 0 0

4  42509 69675 67903 32519 121205 212607 333813

5  0 0 0 0 0 0 0

6  0 0 0 0 0 0 0

Berge  9  10.0 

7  0 0 0 0 0 0

212607

0

333813

1  30278 3275 341 43 72 33939 34011

2  73064 13295 1331 260 477 87950 88428Bergplase  4  10.0 4  29178 26229 15532 5960 16080 76900

198791

92980

215420

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0

3  0 0 0 0 0 0 0Bergrivier/Paarl  3  12.0 

4  0 0 0 0 0 0

0

0

0

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0

3  0 0 0 0 0 0 0Bottelary  3  12.0 

4  0 0 0 0 0 0

0

0

0

1  0 0 0 0 0 0 0

2  69498 5150 969 225 795 75843 76639Breëriviervallei  4  10.0 4  21313 7686 3256 1049 2356 33305

109149

35661

112300

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0Ceres Karoo  8  8.0 4  0 0 0 0 0 0

0

0

0

49  

Slope classes (in %) Relatively homogeneous farming areas 

RHFA group 

Expected MAI 

(ha/year) 

Land use* 

00‐10  11‐20  21‐30  31‐35 36‐60  ≤ 35  ≤ 60 

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0

3  0 0 0 0 0 0 0

4  637 503 215 49 107 1405 1513

Drakenstein/ Groenberg 

1  12.0 

6  0 0 0 0 0 0

1405

0

1513

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0

3  0 0 0 0 0 0 0

4  825 524 252 55 94 1657 1751

6  0 0 0 0 0 0 0

Eersteriviervallei  1  12.0 

6  0 0 0 0 0 0

1657

0

1751

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0

3  0 0 0 0 0 0 0

4  2024 548 481 229 962 3283 4245

6  0 0 0 0 0 0 0

Franschhoek/ Simonsberg 

1  12.0 

7  0 0 0 0 0 0

3283

0

4245

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0Gemengde 

Boerderygebied 3  12.0 

4  0 0 0 0 0 0

0

0

0

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0

3  0 0 0 0 0 0 0Gouda/Hermon  3  12.0 

4  0 0 0 0 0 0

0

0

0

1  0 0 0 0 0 0 0

2  47558 899 234 124 476 48817 49294

3  0 0 0 0 0 0 0Goudini/Breërivier  2  12.0 

4  17394 4090 4047 2140 6754 27672

76489

34426

83721

Groot Karoo  8  8.0  4  0 0 0 0 0 0 0 0 0

1  0 0 0 0 0 0 0

2  5715 245 37 10 21 6009 6030

3  0 0 0 0 0 0 0Hexvallei  5  10.0 

4  2053 1359 1030 452 1209 4895

10904

6105

12136

50  

Slope classes (in %) Relatively homogeneous farming areas 

RHFA group 

Expected MAI 

(ha/year) 

Land use* 

00‐10  11‐20  21‐30  31‐35 36‐60  ≤ 35  ≤ 60 

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0

3  0 0 0 0 0 0 0Hoë Reënval Saaigebied 

3  12.0 

4  1368 41 5 0 0 1414

1414

1414

1414

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0

3  0 0 0 0 0 0 0Hottentotsholland  3  12.0 

4  0 0 0 0 0 0

0

0

0

1  0 0 0 0 0 0 0

2  3501 1215 116 12 1 4846 4847Koo/Concordia/Bo‐

Vlakte 5  10.0 

4  2564 2144 967 337 822 6013

10860

6836

11684

1  0 0 0 0 0 0 0

2  128992 6573 710 137 276 136413 136689

3  0 0 0 0 0 0 0Koue Bokkeveld  6  10.0 

4  113160 35435 13981 4416 9559 166993

303407

176553

313242

Langeberg Saaigebied  7  10.0  4  0 0 0 0 0 0 0 0 0

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0Langeberg 

Voetheuwels 4  10.0 

4  1264 2324 1529 505 823 5624

5624

6447

6447

2  0 0 0 0 0 0 0Middel‐Swartland Saaigebied 

3  12.0 4  0 0 0 0 0 0

00

0

1  0 0 0 0 0 0 0

2  10236 2302 95 5 0 12639 12639Montagu‐Bergplaas  5  10.0 4  8522 7257 4135 1559 4277 21475

34115

25752

38392

1  0 0 0 0 0 0 0

2  1662 516 75 6 26 2260 2286Montagu‐Kom  5  10.0 4  24615 37425 34507 16233 51763 112780

115041

164543

166830

1  0 0 0 0 0 0 0

2  801 222 20 0 0 1044 1044Montagu‐Rivierplaas  5  10.0 4  1416 1323 1135 494 1456 4369

5413

5825

6870

1  0 0 0 0 0 0 0

2  14671 552 129 32 20 15386 15406Montagu‐Saaigebied 1  6  10.0 4  18872 4981 2446 822 1964 27123

42509

29088

44494

51  

Slope classes (in %) Relatively homogeneous farming areas 

RHFA 

Expected MAI 

(ha/year) 

Land use* 

00‐10  11‐20  21‐30 group 

31‐35 36‐60  ≤ 35  ≤ 60 

1  0 0 0 0 0 0 0

2  35869 1935 218 55 42 38078 38120Montagu‐Saaigebied 2  7  10.0 4  128186 75720 41000 15003 36740 259910

297989

296651

334772

1  0 0 0 0 0 0 0

2  502 124 29 4 0 661 662Montagu‐Saaigebied 3  7  10.0 4  3850 3294 1599 474 771 9218

9879

9989

10652

1  0 0 0 0 0 0 0

2  73279 4859 625 166 346 78931 79277Overhex/Moordkuil  4  10.0  129173 134957

4  29602 12157 6258 2223 5437 50242 55679

Riviersonderendvallei  4  10.0  4  0 0 0 0 0 0 0 0 0

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0Ruens  4  10.0 4  0 0 0 0 0 0

0

0

0

1  0 0 0 0 0 0 0

2  7244 5719 800 107 39 13871 13911Stockwell  5  10.0 4  1229 1824 1253 451 1101 4758

18630

5860

19771

1  0 0 0 0 0 0 0Suid‐Oostelike Platogebied 

6  10.0 4  137 318 349 179 614 984

9841599

1599

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0Touw/Ladismith‐Karoo  7  10.0 4  40214 7755 4121 1626 4607 53717

53717

58324

58324

1  0 0 0 0 0 0 0

2  88503 11786 1142 100 90 101531 101622

3  0 0 0 0 0 0 0

4  7800 5606 3221 1036 2098 17664 19762

5  0 0 0 0 0 0 0

6  0 0 0 0 0 0 0

Tulbagh/Wolseley  2  12.0 

7  0 0 0 0 0 0

119196

0

121384

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0Twisniet/Barrydale/ 

Doornrivier 1 5  10.0 

4  697 1153 737 195 297 2783

2783

3080

3080

              

52  

53  

Slope classes (in %) Relatively homogeneous farming areas 

RHFA group 

Expected MAI 

(ha/year) 

Land use* 

00‐10  11‐20  21‐30  31‐35 36‐60  ≤ 35  ≤ 60 

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0Twisniet/Barrydale/ 

Doornrivier 2 7  10.0 

4  8232 3385 1523 442 648 13583

13583

14232

14232

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0

3  0 0 0 0 0 0 0Vier‐en‐Twintig Riviere  3  12.0 

4  1342 44 26 16 108 1429

1429

1538

1538

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0Villiersdorp/Vyeboom  1  12.0 4  0 0 0 0 0 0

0

0

0

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0

3  0 0 0 0 0 0 0Warm Bokkeveld  6  10.0 

4  6145 1715 600 129 171 8591

8591

8762

8762

1  0 0 0 0 0 0 0

2  0 0 0 0 0 0 0

3  0 0 0 0 0 0 0Winterhoek  2  12.0 

4  1097 652 599 192 224 2542

2542

2767

2767

Total (in tons/year)        1108389 373882 219603 90089 274945 1791965 2066910

   

54  

Annexure 16: Cost structures of the proposed bioenergy system per kWh and ton  

  

 Conversion efficiency rate (kWh/t) 

 load factor 

100%  50%   

moisture content  GJ/t  KWh/t 

 22% 

  kW/year  21900000  10950000  

0%  16.8  4667  1026.67    moisture content: 0% (tons/year)  21331  10666   

12%  15.0  4167  916.67    moisture content: 12% (tons/year)  23891  11945   

18%  14.2  3944  867.78    moisture content: 18% (tons/year)  25237  12618   

80%  8.3  2306  507.22    moisture content: 80% (tons/year)  43176  21588                    

costs per kWh         costs per ton      

                 

biomass production costs   R/kWh  R/kWh  R/kWh    biomass production costs   R/ton  R/ton  R/ton 

biomass production costs (R/kWh) 

R 0.42   R 0.42   R 0.42   

biomass production costs (in R/ton @ 18 MC) 

R 367.71   R 367.71  R 367.71 

                 

                 

transport costs  R/kWh  R/kWh  R/kWh    transport costs  R/ton  R/ton  R/ton 

distance (in km)  20  40  60    transport distance (in km)  20  40  60 

transport costs (R/kWh)  R 0.09   R 0.10   R 0.12    in R/ton  R 81.19   R 83.00  R 106.64 

                 

                 total pre‐processing costs (R/ kWh generated) 

R/kWh  R/kWh  R/kWh  

total pre‐processing costs (R/ ton)  R/ton  R/ton  R/ton 

load factor: 100%  R 0.04   R 0.04   R 0.04    load factor: 100%  R 20.35   R 20.35  R 20.35 

load factor: 50%  R 0.04   R 0.04   R 0.04    load factor: 50%  R 20.69   R 20.69  R 20.69 

                 electricity conversion costs (R/kWh @ 18% MC) 

R/kWh  R/kWh  R/kWh  

electricity conversion costs (R/ton @ 18% MC) 

R/ton  R/ton  R/ton 

load factor: 100%  R 0.25   R 0.25   R 0.25    load factor: 100%  R 214.79   R 214.79  R 214.79 

load factor: 50%  R 0.50   R 0.50   R 0.50    load factor: 50%  R 429.59   R 429.59  R 429.59 

                 

                 total bio‐energy production costs 

R/kWh  R/kWh  R/kWh  

total bio‐energy production costs  R/ton  R/ton  R/ton 

load factor: 100%  R 0.80   R 0.80   R 0.83    load factor: 100%  R 684.04   R 685.85  R 709.49 

load factor: 50%  R 1.05   R 1.05   R 1.08    load factor: 50%  R 899.18   R 900.99  R 924.63 

 

55  

 Annexure 17: Assumptions for biomass sole‐production model scenario (i.e. version 4) 

 

Bio‐energy land use  Unit  Amount     R/Unit 

Land available for bio‐energy woodlots  ha  200     

Rotation length  a  15     

Number of woodlots  no   15     

Size of woodlot  ha  13.34     

Tree species description & biomass production requirements 

common name 

botanical name 

Density [kg/m3]  R/Unit 

seedling: Gum Tree 

Eucalyptus hybrid 

860  R 1.00  

Orocessing requirements:  Value  Unit       

Optimal tree size (dbh):  11  cm       

Max dbh:   15  cm     

Min dbh:  3  cm     

Harvesting yield  Unit  Amount  Unit  Amount 

Fresh, utilisable  m3/ha/a  23.00  m3/ha/rotation  345 

Fresh, utilisable  t/ ha/a  5.00  t/ha/rotation  75.06 

Moisture content (fresh, utilisable)  %  80%  ‐  ‐ 

Air dry, utilisable  m3/ha/a  23.00  m3/ha/rotation  345 

Air dry, utilisable  t/ ha/a  3.28  t/ha/rotation  49.206 

Moisture content (air dry, utilisable)  %  18%  ‐  ‐ 

Oven dry, utilisable  m3/ha/a  23.00  m3/ha/rotation  345 

Oven dry, utilisable  t/ ha/a  2.78  t/ha/rotation  41.7 

Moisture content (oven dry, utilisable)  %  0%  ‐  ‐ 

         

Silvicultural assumptions             

Planting, etc.    Unit  Amount  Amount    

No.  of trees required  per ha  1250  250000  per available land 

Espacement between rows  m  4      

Espacement in the rows  m  1      

          

Tree‐growth life expectancy  a  60      

Growth period before harvest/rotation length  a  15      

Harvest(s) per operating life expectancy    4      

Coppicing cycles after plant  ‐  3      

…            

Site and terrain requirements  Value  Unit       

Slope  < 10  %     

Ground roughness  smooth ‐ slightly uneven     

Ground strength  very good ‐ moderate        

Assumptions for labour, chemicals & others     

56  

Labour  Unit  Value  Amount  R/ha 

R/h  R 5.59  0   Agricultural minimum wage  

R/month  R 1 090.00  0   

R/month  R 2 200.00  0   PSermanent labour 

R/Year  R 26 400.00  0   

Shift: man/day  h/day  8.0   

Shifts/month  shifts/month 20.8   

Shifts/Year  shifts/Year  250.0   

Contractor  Unit  Value  Amount/ha  R/ha 

Mechanical land preparation  (bulldozer & ripping ± 1m in one direction, spacing the ripper furrows ca  1m apart) 

R/ha  R 7 450.00   1.0  R 7 450.00  

Soil chemical analysis  ‐  R 80.00   1.0  R 80.00  

Land surveyor  ‐  R 450.00   1.0  R 450.00  

         

Fertiliser. etc   Unit  Value  g/Tree  R/ha 

N  R/kg  R 17.88  15.0  R 335.25

P  R/kg  R 62.92  15.0  R 1 179.75

K  R/kg  R 18.24  2.1  R 47.88 

Planting gel  R/g  R ‐     R ‐  

Herbicide. etc   Unit  Value  Amount/ha  R/ha 

Contact herbicide (roundup)  R/litre  R 60.00   6.0  R 360.00  

Systemic herbicide (roundup, lower concentration)  R/litre  R 60.00   4.0  R 240.00  

Systemic herbicide  Application(s) first year  3.0   

  Application(s) second year  3.0      

57  

Annexure 18: Gross margin for biomass sole‐production model scenario (per ha, i.e. version 4) 

 

Revenues (per ha)  Year 0  Year 1  Year 6  Year 15  Year 16  Year 30  Year 31  Year 32  Year 33  Year 34   Total  

Harvesting periods  0 0 0 1 0 1 0 0 0 0   

MAI (Fresh mass, t/ha)  0.00 0.00 0.00 75.06 0.00 75.06 0.00 0.00 0.00 0.00 150.12 

Yield woody biomass (Fresh mass, t/ha/rotation) 

0.00  0.00  0.00  75.06  0.00  75.06  0.00  0.00  0.00  0.00  0.00  

Rrice/t  R 315.89  R 315.89  R 315.89  R 315.89  R 315.89  R 315.89  R 315.89  R 315.89  R 315.89  R 315.89  R 315.89  

Gross Value of production (GVP)  R ‐ R ‐ R ‐ R 23 710.70  R ‐ R 23 710.70  R ‐ R ‐ R ‐ R ‐ R 47 421.41                        

Expenditures (per ha)  Year 0  Year 1  Year 6  Year 15  Year 16  Year 30  Year 31  Year 32  Year 33  Year 34   Total  

Site preparation  R 9 044.47  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 9 044.47  R 18 088.93  

Irrigation  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Planting  R 2 994.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 2 994.00  R 5 987.99  

Blanking  R 100.67  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 100.67  R 201.34  

Total establishment costs  R 12 139.13  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 12 139.13  R 24 278.26  

Fertilising (post planting)  R ‐ R 547.05  R ‐ R ‐ R 547.05  R ‐ R 547.05  R ‐ R ‐ R 1 094.11  R 2 735.27  

Weed control (excl. pre‐plant application) 

R 813.91  R 813.91  R ‐ R 813.91  R 813.91  R 813.91  R 813.91  R ‐ R ‐ R 3 255.65  R 8 139.12  

Total tending costs  R 813.91  R 1 360.97  R ‐ R 813.91  R 1 360.97  R 813.91  R 1 360.97  R ‐ R ‐ R 4 349.76  R 10 874.39  

Harvesting costs  R ‐ R ‐ R ‐ R 6 905.52  R ‐ R ‐ R ‐ R ‐ R ‐ R 6 905.52  R 13 811.04  

Post‐harvesting costs  R ‐ R ‐ R ‐ R ‐ R 147.08  R ‐ R ‐ R ‐ R ‐ R 147.08  R 294.16  

Other directly allocatable variable costs  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Directly allocatable costs  R 12 953.04  R 1 360.97  R ‐ R 7 719.43  R 1 508.05  R 813.91  R 1 360.97  R ‐ R ‐ R 23 541.49  R 49 257.86  

                      

Non‐directly allocatable variable costs  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Fuel, repairs, spares, electricity, etc..  R ‐                       

Total variable costs/ha  R 12 953.04  R 1 360.97  R ‐ R 7 719.43  R 1 508.05  R 813.91  R 1 360.97  R ‐ R ‐ R 23 541.49  R 49 257.86                        

Gross Value of production (GVP)  R ‐ R ‐ R ‐ R 23 710.70  R ‐ R 23 710.70  R ‐ R ‐ R ‐ R ‐ R 47 421.41  Total variable costs/ha  R 12 953.04  R 1 360.97  R ‐ R 7 719.43  R 1 508.05  R 813.91  R 1 360.97  R ‐ R ‐ R 23 541.49  R 49 257.86  

GROSS MARGIN  R ‐12 953.04  R ‐1 360.97  R ‐ R 15 991.27  R ‐1 508.05  R 22 896.79  R ‐1 360.97  R ‐ R ‐ R ‐23 541.49  R ‐1 836.45  

58  

 Annexure 19: Multi‐period budget for biomass sole‐production model scenario (i.e. version 4) 

 

Inflow Unit  Year 0  Year 1  Year 2  Year 3  Year 4  Year 5  Year 6  Year 7  Year 43  Year 44 Total  

(over period of 45Years) 

       

Gross Value of Production (GVP)                            

GVP woody biomass (fresh mass)  R  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 316 142.71  R 316 142.71  R 1 580 713.56  

Total GVP  R  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 316 142.71 R 316 142.71 

R 1 580 713.56  

       

Other inflows                            

Insurance received on product losses 

R  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Produce consumed by household & labourers 

R  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Bonus received  R  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Diesel deduction  R  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Deprecation recovered  R  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Diverse income  R  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Capital sales  R  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Total other inflows (excluding capital sales) 

R  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

       

Total other inflows  R  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

       

Total inflows (excluding capital sales) 

R  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 316 142.71  R 316 142.71  R 1 580 713.56  

       

Total inflows  R  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 316 142.71  R 316 142.71  R 1 580 713.56  

  

59  

Outflows Year 0  Year 1  Year 2  Year 3  Year 4  Year 5  Year 6  Year 7  Year 43  Year 44  Total 

     

Variable costs  Year 0  Year 1  Year 2  Year 3  Year 4  Year 5  Year 6  Year 7  Year 43  Year 44  Total 

     

Direct allocatable variable costs  R 172 707.25   R 190 853.47  R 190 853.47  R 190 853.47  R 190 853.47  R 190 853.47  R 190 853.47  R 190 853.47  R 342 884.90  R 342 884.90  R 3 457 860.02  

Total establishment costs  R 161 855.09   R 161 855.09  R 161 855.09  R 161 855.09  R 161 855.09  R 161 855.09  R 161 855.09  R 161 855.09  R 161 855.09  R 161 855.09  R 2 427 826.40  

Total tending costs  R 10 852.16   R 28 998.38  R 28 998.38  R 28 998.38  R 28 998.38  R 28 998.38  R 28 998.38  R 28 998.38  R 86 995.14  R 86 995.14  R 561 821.35  

Harvesting costs  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 92 073.60  R 92 073.60  R 460 368.00  

Post‐harvesting costs  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 1 961.07  R 1 961.07  R 7 844.27  

Other directly allocatable variable costs 

R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

…      

Non‐direct allocatable variable costs 

R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Fuel  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Repairs  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Spares  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Electricity  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Other  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

…    R ‐ 

Total variable costs   R 172 707.25   R 190 853.47  R 190 853.47  R 190 853.47  R 190 853.47  R 190 853.47  R 190 853.47  R 190 853.47  R 342 884.90  R 342 884.90  R 3 457 860.02  

     

Gross margin  R ‐172 707.25   R ‐190 853.47 R ‐190 853.47 

R ‐190 853.47 

R ‐190 853.47 

R ‐190 853.47 

R ‐190 853.47 

R ‐190 853.47 

R ‐26 742.18  R ‐26 742.18  R ‐1 877 146.46  

     

Net flow after variable costs  R ‐172 707.25   R ‐190 853.47 R ‐190 853.47 

R ‐190 853.47 

R ‐190 853.47 

R ‐190 853.47 

R ‐190 853.47 

R ‐190 853.47 

R ‐26 742.18  R ‐26 742.18  R ‐1 877 146.46  

   

Overhead (fixed) costs  Year 0  Year 1  Year 2  Year 3  Year 4  Year 5  Year 6  Year 7  Year 43  Year 44  Total 

Lease payment (land)  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ 

Insurance (buildings. vehicles.  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ 

60  

   

machinery) 

Maintenance & repairs (fixed improvements) 

R ‐  R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ 

Total Fuel costs  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ 

Forestry management (salary) R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ 

Permanent Labour  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ 

Management remuneration  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ 

Licence(s)  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ 

Communication (telephone, Internet, etc.) 

R 2 400.00   R 2 400.00  R 2 400.00  R 2 400.00  R 2 400.00  R 2 400.00   R 2 400.00  R 2 400.00  R 2 400.00  R 2 400.00  R 48 000.00  

Accounting Fees  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ 

Bank charges  R 6 000.00   R 6 000.00  R 6 000.00  R 6 000.00  R 6 000.00  R 6 000.00   R 6 000.00  R 6 000.00  R 6 000.00  R 6 000.00  R 120 000.00  

Stationery  R 1 200.00   R 1 200.00  R 1 200.00  R 1 200.00  R 1 200.00  R 1 200.00   R 1 200.00  R 1 200.00  R 1 200.00  R 1 200.00  R 24 000.00  

Profit/loss on sale of capital items 

R ‐  R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ 

Municipal property tax  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ 

Hired management  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ 

Imputed costs  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ 

Other  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ 

Water fees (irrigation schemes)  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ 

Total fixed costs  R 9 600.00   R 9 600.00  R 9 600.00  R 9 600.00  R 9 600.00  R 9 600.00   R 9 600.00  R 9 600.00  R 9 600.00  R 9 600.00  R 192 000.00  

       

Net flow after fixed costs   ‐R 182 307.25 ‐R 200 453.47‐R 200 453.47

‐R 200 453.47

‐R 200 453.47

‐R 200 453.47 

‐R 200 453.47

‐R 200 453.47

‐R 36 342.18 ‐R 36 342.18 R ‐2 069 146.46  

    

Capital expenditure Year 0  Year 1  Year 2  Year 3  Year 4  Year 5  Year 6  Year 7  Year 43  Year 44  Total 

Land & fixed improvements  R 200 000.00   R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R 200 000.00 

Own land  R 200 000.00   R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R 200 000.00 

Homestead  R ‐    R ‐

Non‐arable land  R ‐    R ‐

Forestry  R ‐    R ‐

61  

     

Agriculture  R ‐    R ‐

Bio‐energy  R 200 000.00     R 200 000.00 

Fixed improvements (in land, asset included) 

R ‐  R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R ‐

House  R ‐    R ‐

Storage  R ‐    R ‐

Shed for woody biomass storage  R ‐    R ‐

Shed for machinery. etc    R ‐    R ‐

Housing for workers  R ‐    R ‐

     

Intermediate capital  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ 0

     

Total capital costs  R 200 000.00   R ‐ R ‐ R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐ R 200 000.00 

       Total annual inflow  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 316 142.71  R 316 142.71  R 1 580 713.56  

     

Total annual outflow  R 382 307.25   R 200 453.47  R 200 453.47  R 200 453.47  R 200 453.47  R 200 453.47  R 200 453.47  R 200 453.47  R 352 484.90  R 352 484.90  R 3 849 860.02  

Total variable costs  R 172 707.25   R 190 853.47  R 190 853.47  R 190 853.47  R 190 853.47  R 190 853.47  R 190 853.47  R 190 853.47  R 342 884.90  R 342 884.90  R 3 457 860.02  

Total fixed costs  R 9 600.00   R 9 600.00  R 9 600.00  R 9 600.00  R 9 600.00  R 9 600.00  R 9 600.00  R 9 600.00  R 9 600.00  R 9 600.00  R 192 000.00  

Total capital costs  R 200 000.00   R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 200 000.00  

     

Net annual flow  R ‐382 307.25   R ‐200 453.47  R ‐200 453.47  R ‐200 453.47  R ‐200 453.47  R ‐200 453.47  R ‐200 453.47  R ‐200 453.47  R ‐36 342.18  R ‐36 342.18  R ‐2 269 146.46  

     

Sum annual outflow  R 3 849 860.02       Price/ton  R  315.89   NPV  R  R ‐1 246 360.14 

Sum net flow  R ‐2 269 146.46       Land value  R  1000   IRR  %  ‐ 

62  

        MIRR  %  ‐8.7% 

Real interest rate calculation          

Inflation  13.40%  0.13  

Nominal interest rate     Real rate  Loan Amount  R  R 0.00 

Positive  6.00%  0.06 ‐6.53% ‐0.065   Own capital  100.00%Amount of periods 

a  20 

Negative  15.50%  0.16 1.85% 0.019   Loan capital  0.00%Reinvestment rate 

%  0.00% 

       

Cash flow  Year 0  Year 1  Year 2  Year 3  Year 4  Year 5  Year 6  Year 7  Year 43  Year 44  Total 

Start balance         R ‐407 254.99  R ‐568 052.00  R ‐718 356.09  R ‐858 851.97  R ‐990 179.69  R ‐1 112 937.52  R ‐1 227 684.71  R 681 684.30  R 603 229.84

Inflow  R ‐  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 316 142.71  R 316 142.71  R 1 580 713.56  

Outflow  R 382 307.25   R 200 453.47  R 200 453.47  R 200 453.47  R 200 453.47  R 200 453.47  R 200 453.47  R 200 453.47  R 352 484.90  R 352 484.90  R 3 849 860.02  

Balance on interest  R ‐382 307.25   R ‐607 708.46  R ‐768 505.48  R ‐918 809.56 R ‐1 059 305.44 

R ‐1 190 633.16  R ‐1 313 391.00  R ‐1 428 138.18  R 645 342.11  R 566 887.66  R ‐2 269 146.46  

Interest  R ‐24 947.74   R 39 656.46  R 50 149.39  R 59 957.59  R 69 125.75  R 77 695.64  R 85 706.29  R 93 194.20  R ‐42 112.27  R ‐36 992.67  R 148 074.81  

End balance  R ‐407 254.99   R ‐568 052.00  R ‐718 356.09  R ‐858 851.97  R ‐990 179.69  R ‐1 112 937.52  R ‐1 227 684.71  R ‐1 334 943.98  R 603 229.84  R 529 894.99  R ‐2 121 071.65  

63  

Annexure 20: Assumptions for dryland farming scenario 

 

Bio‐energy land use   Unit  Amount     R/Unit 

Land available for bio‐energy woodlots  ha  400     

Rotation length  a  6     

Number of woodlots  no   6     

Size of woodlot  ha  66.7     

         

Tree species description &  biomass production requirements 

Common name 

Botanical name  Density [kg/m3]  R/ Unit 

Seedling:  Gum Tree Eucalyptus hybrid 

650  R 1.00  

Processing requirements:  Value  Unit       

Optimal tree size (dbh):  11  cm       

Max  dbh:   15  cm     

Min  dbh:  3  cm     

         

Harvesting yield  Unit  Amount  Unit  Amount 

Fresh, utilisable  m3/ha/a  9.00  m3/ha/rotation  54 

Fresh, utilisable  t/ ha/a  11.00  t/ha/rotation  65.988 

Moisture content (Fresh, utilisable)  %  80%  ‐  ‐ 

Air dry, utilisable  m3/ha/a  9.00  m3/ha/rotation  54 

Air dry, utilisable  t/ ha/a  7.21  t/ha/rotation  43.2588 

Moisture content (Air dry, utilisable)  %  18%  ‐  ‐ 

Oven dry, utilisable  m3/ha/a  9.00  m3/ha/rotation  54 

Oven dry, utilisable  t/ ha/a  6.11  t/ha/rotation  36.66 

Moisture content (Oven dry, utilisable)  %  0%  ‐  ‐ 

         

Silvicultural assumptions             

          

Planting. Etc.    Unit  Amount  Amount    

No. of trees required  per ha  1500 600000  per available land 

Tree growth life expectancy  a  24     

Growth period before harvest/rotation length  a  6     

Harvest(s) per operating life expectancy    4     

Coppicing cycles after plant  ‐  3     

Site and terrain requirements  Value  Unit       

Slope  < 10  %     

Ground roughness  smooth ‐ slightly uneven     

Ground strength  very good ‐ moderate     

              

         

         

         

         

Assumptions for labour. chemicals & others       

64  

              

Labour  R/h  R/month  R/Year  Value 

Agricultural minimum wage  R 11.75  R 2 203.13  R 26 437.50 

Owner remuneration  R 80.00   R 15 000.00   R 180 000.00    

Management costs (salary) (including cost to company) 

       

         

Fertiliser, etc   Unit  Value  g/ Tree  R/ ha 

N  R/ kg  R 17.88   15.0  R 402.30  

P  R/ kg  R 62.92   7.5  R 707.85  

K  R/ kg  R 18.24      R ‐ 

Lime  R/kg  R 0.11   1000.0  R 171.00  

Trace elements         

CU  R/kg  R 91.80   0.25  R 34.43  

ZN  R/kg  R 83.16   0.25  R 31.19  

MN  R/kg  R 75.60   0.50  R 56.70  

Total fertiliser costs        R 1 403.46  

Planting gel  R/ kg  R ‐    R ‐ 

         

Herbicides, etc   Unit  Value  Amount/ha  R/ha 

Contact herbicide (roundup)  R/ litre  R 60.00   6.0  R 360.00  

Systemic herbicide (roundup. lower concentration)  R/ litre  R 60.00   4.0  R 240.00  

Systemic herbicide  applications in first Year  3.0   

  applications in second Year  3.0   

Contractor  Unit  Value  Amount/ha  R ha 

Soil chemical analysis  ‐  R 80.00   1.0  R 80.00  

Land surveyor  ‐  R 450.00   1.0  R 450.00  

         

Other costs  Amount  Total value [R]/Year  R/month    

Licence(s)    R 8 425.00      

Permanent labour  6  R 158 625.00  R 2 203.13    

Communications (telephone, Internet, etc .)  1  R 24 000.00  R 2 000.00    

Accounting/auditing Fees  1  R 11 000.00  R 916.67    

Bank charges  1  R 7 000.00  R 583.33    

Stationery  1  R 12 000.00  R 1 000.00    

Profit/loss on sale of capital items    R ‐     

Municipality property tax    R ‐     

Hired management    R ‐ R 7 000.00    

Imputed costs    R ‐     

Maintenance: fencing  1  R 6 000.00  R 500.00    

Maintenance: water supply  1  R 4 500.00  R 375.00    

Owners remuneration  1  R 180 000.00  R 15 000.00    

Water fees (irrigation schemes)    R ‐     

Total fuel costs    R 707 060.00      

Other    R ‐     

Other inflows  Unit  Value       

65  

Insurance received on product losses    R ‐     

Produce consumed by household & labourers    R ‐     

Bonus received    R ‐     

Diesel deduction    R ‐     

Deprecation recovered    R ‐     

Diverse income    R ‐     

GVP for biomass  Unit  Value       

VAT  %    

Price per ton (tax excluded)  R  R 315.00  

Tax per ton (dry mass)  R  R ‐ 

Price per ton (tax included)  R  R 315.00  

No inflation has been incorporated on the cost side. as it is neutralised by the inflation on the income side   

         

Expected yield of biomass (fresh, utilisable)  t/ha/a  11.00

Expected sale of biomass  %  100%

Growth period before harvest/rotation length  a  6

Gross value of production (GVP) per ha/rotation  R  R 20 786.22 

  

         

Real interest rate calculation  %          

Inflation  13.40%  0.134 http://www.reservebank .co.za/ 

Nominal interest rate        Real rate    

Positive  6.00%  0.060 ‐6.53%  ‐0.0653

Negative  15.50%  0.155 1.85%  0.0185

         

Loan Amount  R        R ‐ 

Amount of periods  a  20     

reinvestment rate  %  10.00%       

         

Own capital  %  100.00%      

Loan capital  %  0.00%      

  

66  

               

Annexure 21: Inventory for dryland farming scenario 

 

Assets               

Land     Unit     %     amount  Value/ item [R]  Total Value [R] 

Own land                 1 000     R 20 000 000.00  

Homestead           ha 0  R 20 000.00  R ‐ 

Non‐arable land       ha 2%    20  R 20 000.00  R 400 000.00  

Forestry    ha    0%    0  R 20 000.00  R ‐ 

Agriculture       ha 58%    580  R 20 000.00  R 11 600 000.00  

Bio‐energy       ha 40%    400  R 20 000.00  R 8 000 000.00  

Total land (includes fixed improvements such as fencing, buildings, etc. )  1000     R 20 000 000.00  

               

Fixed improvements  (is included in total land @ R8000 00/ha) 

Amount 

Economic lifetime 

expectancy[Years] 

Purchase price [R] Salvage price ratio [%] 

Salvage price [R] Age 

[Years] Total depreciation  Total actual value/ item [R] 

House  1  25 R 450 000.00    R ‐  0  R 18 000.00  R 450 000.00  

Housing for workers  6  25 R 45 000.00    R ‐  0  R 10 800.00  R 270 000.00  

Other buildings (2 offices + parking lots)  2  25 R 30 000.00    R ‐  0  R 2 400.00  R 60 000.00  

Main shed (machinery storage. Etc. )  1  25 R 150 000.00    R ‐  0  R 6 000.00  R 150 000.00  

Storage shed  1  25 R 60 000.00    R ‐  0  R 2 400.00  R 60 000.00  

Water supply  1  25 R 150 000.00    R ‐  0  R 6 000.00  R 150 000.00  

Fencing  1  25 R 240 000.00    R ‐  0  R 9 600.00  R 240 000.00  

Fixed improvements ‐ total (is included in total land @ R8000 00/ha)  R 1 380 000.00  

               

               

67  

Equipment. machinery & vehicles  Amount 

Economic lifetime 

expectancy[Years] 

Purchase price [R] Salvage price ratio [%] 

Salvage price [R] Age 

[Years] Total depreciation  Total actual value/item [R] 

Harvester (124 kW)  0  12  R 899 000.00  ‐  R 74 916.67  3  R 224 750.00  R ‐ 

Harvester (175 kW)  1  12  R 1 615 000.00  ‐  R 134 583.33  5  R 672 916.67  R 942 083.33  

Tractor (149 kW)  1  12  R 916 000.00  ‐  R 76 333.33  4  R 305 333.33  R 610 666.67  

Tractor (120 kW)  0  12  R 653 000.00  ‐  R 54 416.67  9  R 489 750.00  R ‐ 

Tractor (75 kW)  1  12  R 389 000.00  ‐  R 32 416.67  6  R 194 500.00  R 194 500.00  

Tractor (55 kW)  1  12  R 235 084.00  ‐  R 19 590.33  10  R 195 903.33  R 39 180.67  

Tractor (65 kW)  1  12  R 450 000.00  ‐  R 37 500.00  1  R 37 500.00  R 412 500.00  

Sprayer (Code 2021)  1  12  R 460 000.00  ‐  R 38 333.33  6  R 230 000.00  R 230 000.00  

Fertiliser spreader (Code 27)  1  12  R 87 380.00  ‐  R 7 281.67  11  R 80 098.33  R 7 281.67  

Planters (Code 7124)  1  12  R 456 000.00  ‐  R 38 000.00  4  R 152 000.00  R 304 000.00  

Planters (Code 7124)  1  12  R 456 000.00  ‐  R 38 000.00  9  R 342 000.00  R 114 000.00  

Tine implement (Code 7029)  1  12  R 61 780.00  ‐  R 5 148.33  11  R 56 631.67  R 5 148.33  

Trailer (Code 3023)  1  12  R 70 820.00  ‐  R 5 901.67  6  R 35 410.00  R 35 410.00  

Trailer (Code 3023)  1  12  R 70 820.00  ‐  R 5 901.67  3  R 17 705.00  R 53 115.00  

Front loader (Code 6071)  1  12  R 65 000.00  ‐  R 5 416.67  3  R 16 250.00  R 48 750.00  

Lorry (Code 4004)  1  12  R 386 866.00  ‐  R 32 238.83  2  R 64 477.67  R 322 388.33  

LDV (Code 5009)  1  24  R 193 200.00  ‐  R 8 050.00  6  R 48 300.00  R 144 900.00  

LDV (Code 5013)  1  12  R 215 900.00  ‐  R 17 991.67  8  R 143 933.33  R 71 966.67  

Tools (welders; tools for handling livestock, etc. )  1  999  R 120 000.00  ‐  R 120.12  0  R ‐   R 120 000.00  

Pressure sprayer for chemicals (20l capacity)  8  3  R 389.00  5%  R 19.45  0  R 985.47  R 3 112.00  

Others (knifes for thinning, tools.  Etc.)  8  999  R 8 000.00  5%  R 400.00  0  R 60.86  R 64 000.00  

Chain saw  8  4  R 4 500.00  10%  R 450.00  0  R 8 100.00  R 36 000.00  

Operator safety equipment (helmet, overall, boots) 

8  4  R 1 100.00  0%  R ‐ 0  R 2 200.00  R 8 800.00  

Equipment. machinery & vehicles – Total               R 11 346.33  R 3 767 802.67  

68  

         

Livestock  Amount      Purchase price [R]        R 469 650.00  

Rams  9  ‐         R 2 000.00 R 18 000.00  

Ewes  359  ‐         R 900.00 R 323 100.00  

Replacement ewes  90  ‐         R 800.00 R 72 000.00  

Lambs  377  ‐         R 150.00 R 56 550.00  

Livestock and biomass          R 1 069 650.00  

           

Total assets          R 26 217 452.67                 

               

                 Liabilities and net worthCreditors                R ‐ 

Mortgage loans             

               

  R ‐ 

Land bank R ‐ 

Total liabilities                       R ‐ 

                

Net worth                       R 26 217 452.67  

                

Total liabilities and net worth                       R 26 217 452.67                 

Notes:               

Interest on loans      12.50%       

Return on shares      14.50%       

Insurance on assets      2.50%       

Repairs (fixed improvements)      1.50%       

Repairs (vehicles and machinery)      7.50%       

 

69  

Annexure 22: Gross margin for woody biomass production for dryland farming scenario (per ha) 

Revenues (per ha)  Year 0   Year 1   Year 2   Year 3   Year 4   Year 18  Total 

(Years 1‐20) 

Harvesting periods  0  0  0  0  0  1   

MAI (fresh mass, t/ha)  11.00  11.00  11.00  11.00  11.00  11.00  11.00 

Yield woody biomass (fresh mass, t/ha/harvest)  0.00  0.00  0.00  0.00  0.00  65.99  0.00 

Price/t  R 315.00  R 315.00  R 315.00   R 315.00  R 315.00  R 315.00  R 315.00  

Gross value of production (GVP)  R ‐ R ‐ R ‐  R ‐ R ‐ R 20 786.22  R 83 144.88  

               

Expenditures (per ha)  Year 0   Year 1   Year 2   Year 3   Year 4   Year 18  Total 

(Year 1‐20) 

Site preparation  R 1 419.70  R ‐ R ‐  R ‐ R ‐ R ‐ R 2 389.40  

Planting  R 2 903.46  R ‐ R ‐  R ‐ R ‐ R ‐ R 5 806.92  

Blanking  R 145.17  R ‐ R ‐  R ‐ R ‐ R ‐ R 220.17  

Biomass ‐ total establishment costs  R 4 468.34  R ‐ R ‐  R ‐ R ‐ R ‐ R 8 416.50  

Fertilising (post planting)  R ‐ R 366.35  R ‐  R ‐ R ‐ R ‐ R 1 465.40  

Weed control (excl.  pre‐plant application)  R 720.00  R 720.00  R ‐  R ‐ R ‐ R 720.00  R 6 480.00  

Biomass ‐ total tending costs  R 720.00  R 1 086.35  R ‐  R ‐ R ‐ R 720.00  R 7 945.40  

Biomass ‐ harvesting costs  R ‐ R ‐ R ‐  R ‐ R ‐ R 3 101.44  R 12 405.74  

Biomass ‐ post‐harvesting costs  R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R 240.00  

Biomass ‐ other directly allocatable variable costs  R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐  

Directly allocatable costs  R 5 188.34  R 1 086.35  R ‐  R ‐ R ‐ R 3 821.44  R 29 007.64  

              

Non‐directly allocatable variable costs  R ‐ R ‐ R ‐  R ‐ R ‐ R ‐ R ‐  

Repairs, spares, electricity, other    R ‐  

Total variable costs/ha  R 5 188.34  R 1 086.35  R ‐  R ‐ R ‐ R 3 821.44  R 29 007.64                

Gross value of production (GVP)  R ‐ R ‐ R ‐  R ‐ R ‐ R 20 786.22  R 83 144.88  

Total variable costs/ha  R 5 188.34  R 1 086.35  R ‐  R ‐ R ‐ R 3 821.44  R 29 007.64  

GROSS MARGIN  R ‐5 188.34  R ‐1 086.35  R ‐  R ‐ R ‐ R 16 964.78  R 54 137.24  

70  

 Annexure 23: Multi‐period budget for dryland farming scenario (total) 

 Inflow  Unit  Year 1  Year 2  Year 3  Year 4  Year 5  Year 6  Year 7  Total (years 1‐20)                   

Gross Value of production (GVP)                     

GVP woody biomass (fresh mass)  R  R ‐ R ‐ R ‐ R ‐ R ‐ R 1 385 748.00  R 1 385 748.00  R 19 400 472.00  

GVP wheat after wheat  R  R 1 336 320.00  R 1 336 320.00  R 1 002 240.00  R 1 336 320.00  R 1 670 400.00  R 1 336 320.00  R 1 336 320.00  R 27 394 560.00  

GVP wheat after canola  R  R 229 680.00  R 229 680.00  R 172 260.00  R 229 680.00  R 287 100.00  R 229 680.00  R 229 680.00  R 4 708 440.00  

GVP wheat after medics  R  R 706 467.84  R 706 467.84  R 529 850.88  R 706 467.84  R 883 084.80  R 706 467.84  R 706 467.84  R 14 482 590.72  

GVP canola after wheat  R  R 158 862.00  R 158 862.00  R 72 210.00  R 158 862.00  R 216 630.00  R 158 862.00  R 158 862.00  R 3 235 008.00  

GVP medics (pastures)  R  R 120 517.32  R 120 517.32  R 120 517.32  R 120 517.32  R 120 517.32  R 120 517.32  R 120 517.32  R 2 410 346.48  

GVP oats (pastures)  R  R 55 623.38  R 55 623.38  R 55 623.38  R 55 623.38  R 55 623.38  R 55 623.38  R 55 623.38  R 1 112 467.61  

GVP wheat after oats/fallow  R  R 1 336 320.00  R 1 336 320.00  R 1 002 240.00  R 1 336 320.00  R 556 800.00  R 1 336 320.00  R 1 336 320.00  R 22 940 160.00  

GVP lupines  R  R 61 248.00  R 61 248.00  R 48 998.40  R 61 248.00  R 73 497.60  R 61 248.00  R 61 248.00  R 1 249 459.20  

GVP fallow  R  R 92 705.63  R 92 705.63  R 92 705.63  R 92 705.63  R 92 705.63  R 92 705.63  R 92 705.63  R 1 854 112.68  

Total GVP  R  R 4 097 744.18  R 4 097 744.18  R 3 096 645.62  R 4 097 744.18  R 3 956 358.74  R 5 483 492.18  R 5 483 492.18  R 98 787 616.69                    

other inflows                     

Insurance received on product losses  R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

Produce consumed by household & labourers 

R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

Bonus received  R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

Diesel deduction  R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

Deprecation recovered  R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

Diverse income  R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

Capital sales  R  R ‐ R 12 430.00  R 19 590.33  R 38 155.60  R 21 591.67  R ‐ R 76 807.27  R 817 268.10  

Total other inflows (excluding capital sales) 

R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

Total other inflows  R  R ‐ R 12 430.00  R 19 590.33  R 38 155.60  R 21 591.67  R ‐ R 76 807.27  R 817 268.10                    

Total inflow (excluding capital sales)  R  R 4 097 744.18  R 4 097 744.18  R 3 096 645.62  R 4 097 744.18  R 3 956 358.74  R 5 483 492.18  R 5 483 492.18  R 100 173 364.69  

71  

Total inflow  R  R 4 097 744.18  R 4 110 174.18  R 3 116 235.95  R 4 135 899.78  R 3 977 950.41  R 5 483 492.18  R 5 560 299.45  R 100 990 632.79  

Outflow  Unit  Year 1  Year 2  Year 3  Year 4  Year 5  Year 6  Year 7  Total (year 1‐20) 

                  

Direct allocatable variable costs     

Biomass  R  R 345 889.00  R 418 312.30  R 418 312.30  R 418 312.30  R 418 312.30  R 418 312.30  R 327 185.70  R 7 087 383.63  

Wheat after wheat  R  R 642 225.56  R 642 225.56  R 630 336.15  R 642 225.56  R 654 114.97  R 642 225.56  R 642 225.56  R 12 868 290.03  

Wheat after canola  R  R 116 172.79  R 116 172.79  R 115 236.50  R 116 172.79  R 118 747.91  R 116 172.79  R 116 172.79  R 2 331 883.67  

Wheat after medics  R  R 258 761.61  R 258 761.61  R 264 120.45  R 258 761.61  R 261 285.96  R 258 761.61  R 258 761.61  R 5 196 047.27  

Canola after wheat  R  R 107 559.39  R 107 559.39  R 100 882.94  R 107 559.39  R 108 781.06  R 107 559.39  R 107 559.39  R 2 142 721.66  

Medics (pastures)  R  R 60 284.20  R 60 284.20  R 60 284.20  R 60 284.20  R 60 284.20  R 60 284.20  R 60 284.20  R 1 205 684.01  

Oats (pastures)  R  R 7 855.76  R 7 855.76  R 7 855.76  R 7 855.76  R 7 855.76  R 7 855.76  R 7 855.76  R 157 115.27  

Wheat after oats/fallow  R  R 214 075.19  R 214 075.19  R 210 112.05  R 214 075.19  R 218 038.32  R 214 075.19  R 214 075.19  R 4 289 430.01  

Lupines  R  R 61 518.84  R 61 518.84  R 61 416.46  R 61 518.84  R 61 559.80  R 61 518.84  R 61 518.84  R 1 230 335.90  

Fallow  R  R 46 372.46  R 46 372.46  R 46 372.46  R 46 372.46  R 46 372.46  R 46 372.46  R 46 372.46  R 927 449.24  

Total direct allocatable variable costs     R 1 860 714.81  R 1 933 138.11  R 1 914 929.27  R 1 933 138.11  R 1 955 352.76  R 1 933 138.11  R 1 842 011.51  R 30 348 957.04  

                  

Non‐direct allocatable variable costs  R   Repairs  R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  Spares  R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  Electricity  R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  Other  R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

Wheat after wheat  R  R 148 967.72  R 148 967.72  R 148 967.72  R 148 967.72  R 146 386.75  R 148 967.72  R 148 967.72  R 2 969 030.55  

Wheat after canola  R  R 29 277.35  R 29 277.35  R 29 277.35  R 29 277.35  R 29 277.35  R 29 277.35  R 29 277.35  R 585 547.00  

Wheat after medics  R  R 61 495.21  R 61 495.21  R 61 495.21  R 61 495.21  R 61 495.21  R 61 495.21  R 61 495.21  R 1 229 904.16  

Canola after wheat  R  R 24 550.48  R 24 550.48  R 24 550.48  R 24 550.48  R 25 536.34  R 24 550.48  R 24 550.48  R 494 953.11  

Medics (pastures)  R  R 26 758.57  R 26 758.57  R 26 758.57  R 26 758.57  R 26 758.57  R 26 758.57  R 26 758.57  R 535 171.38  

Oats (pastures)  R  R 16 624.56  R 16 624.56  R 16 624.56  R 16 624.56  R 16 624.56  R 16 624.56  R 16 624.56  R 332 491.17  

Wheat after oats/fallow  R  R 49 655.91  R 49 655.91  R 49 655.91  R 49 655.91  R 48 795.58  R 49 655.91  R 49 655.91  R 989 676.85  

Lupines  R  R 30 721.94  R 30 721.94  R 30 721.94  R 30 721.94  R 30 721.94  R 30 721.94  R 30 721.94  R 614 438.85  

Fallow  R  R 20 583.51  R 20 583.51  R 20 583.51  R 20 583.51  R 20 583.51  R 20 583.51  R 20 583.51  R 411 670.30  

Total non‐direct allocatable variable costs 

   R 408 635.26  R 408 635.26  R 408 635.26  R 408 635.26  R 406 179.82  R 408 635.26  R 408 635.26  R 8 162 883.38  

72  

     

Gross margin  Unit  Year 1  Year 2  Year 3  Year 4  Year 5  Year 6  Year 7   Total (years 1‐20) 

BSiomass  R  R ‐345 889.00  R ‐418 312.30  R ‐418 312.30  R ‐418 312.30  R ‐418 312.30  R 967 435.70  R 1 058 562.30  R 13 698 836.37  

Wheat after wheat  R  R 545 126.72  R 545 126.72  R 222 936.13  R 545 126.72  R 869 898.28  R 545 126.72  R 545 126.72  R 11 557 239.42  

Wheat after canola  R  R 84 229.86  R 84 229.86  R 27 746.15  R 84 229.86  R 139 074.74  R 84 229.86  R 84 229.86  R 1 791 009.34  

Wheat after medics  R  R 386 211.02  R 386 211.02  R 204 235.22  R 386 211.02  R 560 303.63  R 386 211.02  R 386 211.02  R 8 056 639.29  

Canola after wheat  R  R 26 752.12  R 26 752.12  R ‐53 223.42  R 26 752.12  R 82 312.59  R 26 752.12  R 26 752.12  R 597 333.23  

Medics (pastures)  R  R 33 474.55  R 33 474.55  R 33 474.55  R 33 474.55  R 33 474.55  R 33 474.55  R 33 474.55  R 669 491.09  

Oats (pastures)  R  R 31 143.06  R 31 143.06  R 31 143.06  R 31 143.06  R 31 143.06  R 31 143.06  R 31 143.06  R 622 861.16  

Wheat after oats/fallow  R  R 1 072 588.91  R 1 072 588.91  R 742 472.04  R 1 072 588.91  R 289 966.09  R 1 072 588.91  R 1 072 588.91  R 17 661 053.14  

Lupines  R  R ‐30 992.79  R ‐30 992.79  R ‐43 140.00  R ‐30 992.79  R ‐18 784.14  R ‐30 992.79  R ‐30 992.79  R ‐595 315.55  

Fallow  R  R 25 749.66  R 25 749.66  R 25 749.66  R 25 749.66  R 25 749.66  R 25 749.66  R 25 749.66  R 514 993.15  

Gross margin Total     R 1 828 394.12  R 1 755 970.82  R 773 081.09  R 1 755 970.82  R 1 594 826.17  R 3 141 718.82  R 3 232 845.42  R 40 875 304.27  

Net flow after variable costs     R 1 828 394.12  R 1 768 400.82  R 792 671.43  R 1 794 126.42  R 1 616 417.83  R 3 141 718.82  R 3 309 652.68  R 55 391 408.74  

     

Total overhead (fixed) costs  Unit  Year 1  Year 2  Year 3  Year 4  Year 5  Year 6  Year 7   Total (years 1‐20) 

Maintenance & repairs (fixed improvements) 

R  R 17 100.00  R 17 100.00  R 17 100.00  R 17 100.00  R 17 100.00  R 17 100.00  R 17 100.00  R 342 000.00  

Maintenance & repairs (intermediate capital) 

  R 51 320.58  R 51 320.58  R 51 320.58  R 51 320.58  R 51 320.58  R 51 320.58  R 51 320.58  R 1 026 411.65  

Maintenance & repairs (fencing)  R  R 6 000.00  R 6 000.00  R 6 000.00  R 6 000.00  R 6 000.00  R 6 000.00  R 6 000.00  R 120 000.00  

Maintenance & repairs (water supply) 

R  R 4 500.00  R 4 500.00  R 4 500.00  R 4 500.00  R 4 500.00  R 4 500.00  R 4 500.00  R 90 000.00  

Owners remuneration  R  R 180 000.00  R 180 000.00  R 180 000.00  R 180 000.00  R 180 000.00  R 180 000.00  R 180 000.00  R 3 600 000.00  

Permanent labour  R  R 158 625.00  R 158 625.00  R 158 625.00  R 158 625.00  R 158 625.00  R 158 625.00  R 158 625.00  R 3 172 500.00  

Hired management  R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

Total fuel costs    R 655 739.42  R 655 739.42  R 655 739.42  R 655 739.42  R 655 739.42  R 655 739.42  R 655 739.42  R 13 114 788.35  

lease payment (land)  R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

Insurance (buildings, vehicles, machinery) 

R  R 128 695.07  R 128 695.07  R 128 695.07  R 128 695.07  R 128 695.07  R 128 695.07  R 128 695.07  R 2 573 901.33  

Licences  R  R 8 425.00  R 8 425.00  R 8 425.00  R 8 425.00  R 8 425.00  R 8 425.00  R 8 425.00  R 168 500.00  

Municipal property tax  R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

73  

Water fees (irrigation schemes)  R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

Communications (phone, Internet. etc. ) 

R  R 24 000.00  R 24 000.00  R 24 000.00  R 24 000.00  R 24 000.00  R 24 000.00  R 24 000.00  R 480 000.00  

Bank charges  R  R 7 000.00  R 7 000.00  R 7 000.00  R 7 000.00  R 7 000.00  R 7 000.00  R 7 000.00  R 140 000.00  

Stationery  R  R 12 000.00  R 12 000.00  R 12 000.00  R 12 000.00  R 12 000.00  R 12 000.00  R 12 000.00  R 240 000.00  

Accounting/auditing fees  R  R 11 000.00  R 11 000.00  R 11 000.00  R 11 000.00  R 11 000.00  R 11 000.00  R 11 000.00  R 220 000.00  

Profit/loss on sale of capital items  R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

Imputed costs  R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

Other  R  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

Total fixed costs  R  R 1 264 405.07  R 1 264 405.07  R 1 264 405.07  R 1 264 405.07  R 1 264 405.07  R 1 264 405.07  R 1 264 405.07  R 25 288 101.33  

     

Net flow after fixed costs  R  R 563 989.05 R 503 995.75 ‐R 471 733.64 R 529 721.35 R 352 012.77 R 1 877 313.75 R 2 045 247.62 R 30 103 307.40  

                   

Capital expenditure Unit  Year 0   Year 1   Year 2   Year 3   Year 4   Year 5   Year 6    Total  

    0 1 2 3 4 5 6  

Land & fixed improvements     R 20 000 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 20 000 000.00  

Own land  R  R 20 000 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 20 000 000.00  

Homestead  R  R ‐ R ‐  

Non‐arable land  R  R 400 000.00  R 400 000.00  

Forestry  R  R ‐ R ‐  

Agriculture  R  R 11 600 000.00  R 11 600 000.00  

Bio‐energy  R  R 8 000 000.00  R 8 000 000.00  

Fixed improvements (is included in total land @ R8000 00/ha) 

R  R 1 080 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 1 080 000.00  

House  R  R 450 000.00  R 450 000.00  

Main shed (machinery, storage,. etc. ) 

R  R 150 000.00  R 150 000.00  

Storage shed  R  R 60 000.00  R 60 000.00  

Water supply  R  R 150 000.00  R 150 000.00  

Housing for workers  R  R 270 000.00  R 270 000.00                    

74  

     

    Year 1  Year 2  Year 3  Year 4  Year 5  Year 6  Year 7   Total (years 1‐20) 

Intermediate capital    R 3 767 802.67  R 149 160.00  R 235 084.00  R 459 112.00  R 260 700.00  R ‐ R 922 932.00  R 13 685 488.67  

Harvester (124 kW)    R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  Harvester (175 kW) 

  

   

    

  

         

    

  

   

   

   

  R 942 083.33  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 4 172 083.33  Tractor (149 kW)   R 610 666.67 

 R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 1 526 666.67  

Tractor (120 kW) R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  Tractor (75 kW)   R 194 500.00  R ‐ R ‐ R ‐ R ‐ R ‐ R 389 000.00  R 972 500.00  Tractor (55 kW)   R 39 180.67  R ‐ R 235 084.00  R ‐ R ‐ R ‐ R ‐ R 509 348.67  Tractor (65 kW)   R 412 500.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 862 500.00  Sprayer (Code 2021)   R 230 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R 460 000.00  R 1 150 000.00  Fertiliser spreader (Code 27) R 7 281.67  R 87 380.00  R ‐ R ‐ R ‐ R ‐ R ‐ R 182 041.67  Planters (Code 7124)   R 304 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 760 000.00  Planters (Code 7124)   R 114 000.00  R ‐ R ‐ R 456 000.00  R ‐ R ‐ R ‐ R 1 026 000.00  Tine implement (Code 7029) R 5 148.33  R 61 780.00  R ‐ R ‐ R ‐ R ‐ R ‐ R 128 708.33  Trailer (Code 3023) R 35 410.00  R ‐ R ‐ R ‐ R ‐ R ‐ R 70 820.00  R 177 050.00  Trailer (Code 3023) R 53 115.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 123 935.00  Front loader (Code 6071) R 48 750.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 113 750.00  Lorry (Code 4004)   R 322 388.33  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 709 254.33  LDV (Code 5009)   R 144 900.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 338 100.00  LDV (Code 5013)   R 71 966.67  R ‐ R ‐ R ‐ R 215 900.00  R ‐ R ‐ R 503 766.67  Tools (welders. tools for handling livestock. etc. ) 

  R 120 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 120 000.00  

Four‐wheel drive tractor, 86 kW (high‐power demand) 

  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

Ghroub (subsoiler and ripper, 5‐tine) R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  Pressure sprayer for chemicals (20l capacity) 

  R 3 112.00  R ‐ R ‐ R 3 112.00  R ‐ R ‐ R 3 112.00  R 21 784.00  

Others (knifes for thinning. tools,  etc,) 

  R 64 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 64 000.00  

Chain saw    R 36 000.00  R ‐ R ‐ R ‐ R 36 000.00  R ‐ R ‐ R 180 000.00  Operator safety equipment (helmet, overall, boots) 

  R 8 800.00  R ‐ R ‐ R ‐ R 8 800.00  R ‐ R ‐ R 44 000.00  

Stationary crosscut device  with circular saw  (electricity‐driven with thin blade  [3 mm]) 

  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

Four‐wheeled trailer (10 ton) R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

 

   

   

   

 

 

 

75  

     

  Unit  Year 0   Year 1   Year 2   Year 3   Year 4   Year 5   Year 6   Total 

(Year 1‐20) 

Total GVP  R  R 4 097 744.18  R 4 097 744.18  R 3 096 645.62  R 4 097 744.18  R 3 956 358.74  R 5 483 492.18  R 5 483 492.18  R 98 787 616.69  

Total variable costs  R  R 2 269 350.06  R 2 341 773.36  R 2 323 564.52  R 2 341 773.36  R 2 361 532.57  R 2 341 773.36  R 2 250 646.76  R 45 599 224.05  

Total fixed costs  R  R 1 264 405.07  R 1 264 405.07  R 1 264 405.07  R 1 264 405.07  R 1 264 405.07  R 1 264 405.07  R 1 264 405.07  R 25 288 101.33  

Total capital costs  R  R 24 070 384.32  R 149 160.00  R 235 084.00  R 459 112.00  R 260 700.00  R ‐ R 922 932.00  R 33 685 488.67  

                  

Total annual outflow   R  R 27 604 139.45  R 3 755 338.43  R 3 823 053.59  R 4 065 290.43  R 3 886 637.64  R 3 606 178.43  R 4 437 983.83  R 104 875 395.70  

Net annual flow  R  R ‐23 506 395.27  R 354 835.75  R ‐706 817.64  R 70 609.35  R 91 312.77  R 1 877 313.75  R 1 122 315.62  R ‐3 884 762.91  

     

Sum annual outflow  R  R 104 875 395.70       NPV  R  R ‐12 892 368.02  

Sum Net flow  R  R ‐3 884 762.91       IRR  %  ‐    1.44%

            MIRR  %  3.11%   

                  

            Loan amount  R  R 0.00   

Real interest rate calculation                Amount of periods  a  25   

Inflation  13.40%  0.134         Reinvestment rate  %  10.00%   

Nominal interest rate        Real rate            

Positive  6.00%  0.060 ‐6.53% ‐0.065   Own capital  %  100.00%  

Negative  15.50%  0.155 1.85% 0.019   Loan capital  %  0.00%                    

Cash flow     Year 0   Year 1   Year 2   Year 3   Year 4   Year 5   Year 6   Total 

(Years 1‐20) Start balance  R    R ‐21 972 468.24  R ‐20 206 958.06  R ‐19 549 031.96  R ‐18 207 343.89  R ‐16 933 856.25  R ‐14 074 016.80  R 7 612 334.46  Inflow  R  R 4 097 744.18  R 4 110 174.18  R 3 116 235.95  R 4 135 899.78  R 3 977 950.41  R 5 483 492.18  R 5 560 299.45  R 5 618 075.51  Outflow  R  R 27 604 139.45  R 3 755 338.43  R 3 823 053.59  R 4 065 290.43  R 3 886 637.64  R 3 606 178.43  R 4 437 983.83  R 5 135 385.16  Balance on interest  R  R ‐23 506 395.27  R ‐21 617 632.49  R ‐20 913 775.70  R ‐19 478 422.61  R ‐18 116 031.12  R ‐15 056 542.50  R ‐12 951 701.18  R 8 095 024.80  Interest  R  R 1 533 927.03  R 1 410 674.43  R 1 364 743.74  R 1 271 078.72  R 1 182 174.87  R 982 525.70  R 845 172.74  R 149 907.87  End balance  R  R ‐21 972 468.24  R ‐20 206 958.06  R ‐19 549 031.96  R ‐18 207 343.89  R ‐16 933 856.25  R ‐14 074 016.80  R ‐12 106 528.44  R 8 244 932.67  

76  

Annexure 24: Assumptions for intensive farming scenario 

 

Labour  R/h  R/day  R/month  R/Year 

Permanent labour  R 7.78  R 70.00  R 105 000.00  

Permanent labour (amount)  6  

Owner remuneration  R 80.00  R 720.00  R 15 000.00  R 180 000.00  

         

Plant material        Unit  Value [R] 

Red vine stick      vine stick  R 7.50  

White vine stick      vine stick  R 7.50  

Apricot tree      tree  R 12.00  

Peach tree      tree  R 16.00  

Irrigation        Unit  Value [R] 

Polypipe(s)      pipe  R 5 010.00  

Drainage pipe(s)      pipe  R 1 593.60  

Splitter(s)      splitter  R 7 302.00  

Others      per ha  R 3 100.00  

Fee: water (20% water costs. 80% electricity costs) 

annum  R 1 320.00  

Fee: electricity      annum  R 880.00  

Fee: irrigation scheme      annum   

Maintenance & repair (irrigation system)  7.50%   annum   

others         

Contracting work        Unit  Value [R] 

Mechanical land preparation biomass  (Bulldozer & ripping ± 1m in one direction;. spacing the ripper furrows ca  1 m apart)  

per ha  R 7 450.00  

Mechanical land preparation agriculture  (Bulldozer & ripping ± 1m in one direction;. spacing the ripper furrows ca  1 m apart)  

per ha  R 10 000.00  

Digger loader      hour  R 300.00  

Cleanage (re‐planting)      per ha  R 4 000.00  

Cross work      per ha  R 12 000.00  

Shift plough      per ha  R 15 000.00  

Soil chemical analysis      ‐  R 108.00  

Land surveyor      ‐  R 450.00  

Chemicals  Supplier     Unit  Value [R] 

Fertiliser*        Unit  Value [R] 

N      kg  R 17.88  

P      kg  R 62.92  

K      kg  R 18.24  

Lime (Soil preparation)      ton  R 114.00  

Chicken manure (Soil preparation)      m3  R 80.00  

planting gel        kg  R ‐  

* Full list of fertilisers proposed can be obtained from the author 

       

Weed management        Unit  Value [R] 

77  

Roundup      litre  R 60.00  

Sting      litre   

Pest control        Unit  Value [R] 

Pest control mix      litre  R 1 100.00  

Agral 90 (wetable)      litre  R 18.07  

Azinphos      kg  R 66.61  

Bacoil (wetable)      litre  R 8.09  

BP Cipron      litre  R 13.50  

Dursban      litre  R 49.49  

Endoflo      litre  R 31.38  

Isomate Rosso      each  R 2.50  

Karate      litre  R 240.08  

Klartan      litre  R 257.10  

Methomyl      litre  R 100.00  

Sanamectin      litre  R 95.14  

Soilsmoking      per ha  R 15 000.00  

Thioflo (wetable)      litre  R 36.00  

Vydate      litre  R 110.00  

Fungus control        Unit  Value [R] 

Fungus control mix      kg  R 1 100.00  

Bumber      litre  R 125.85  

Copper      kg  R 25.00  

Cypermethrin      litre  R 80.00  

Demildex      kg  R 21.67  

Dithane      kg  R 22.44  

Indar      litre  R 252.96  

Merpan      litre  R 31.19  

Thiram      kg  R 37.46  

Wetable sulphur      kg  R 9.17  

Support system        Unit  Value [R] 

Poles      pole  R 23.00  

Corner poles      corner pole  R 25.00  

Anchor (block & iron)      anchor  R 18.75  

Anchor wire      meter  R 0.50  

Cordon wire      meter  R 0.25  

Leaf wire      meter  R 0.25  

Drainage plastic      meter  R 10.60  

Crushed stones      m3  R 160.00  

Orchard plastic      role  R 250.00  

Straw bales      bale  R 5.00  

Other costs  Amount  R/Month/Unit  R/Year/Unit  R/Year 

Accounting/auditing fees  1  R 916.67  R 11 000.00  R 11 000.00  

Bank charges  1  R 583.33  R 7 000.00  R 7 000.00  

Communications (telephone, Internet, etc. )  1  R 2 000.00  R 24 000.00  R 24 000.00  

Stationery  1  R 1 000.00  R 12 000.00  R 12 000.00  

Imputed costs  0  R ‐   R ‐   R ‐  

78  

Lease payment  0  R 16 500.00  R ‐  

Profit/loss on sale of capital items  0  R ‐   R ‐   R ‐  

Maintenance & repairs (fixed improvements)  1.50%  R 2 480 000.00  R 37 200.00  

Maintenance & repairs (vehicles & machinery)  7.50%  R 205 920.28  R 15 444.02  

Maintenance & repairs (water supply)  1  R 4 500.00  R 4 500.00  

Maintenance & repairs (fencing)  1  R 1 500.00  R 1 500.00  

Total fuel costs  1      R 126 532.00  

Hired management  0  R 7 000.00  R 84 000.00  R ‐  

Permanent labour  12  R ‐   R ‐   R ‐  

Insurance on assets  2.50%    R 3 899 915.53   R 97 497.89  

Water licence Fee  0  R ‐    R ‐     R ‐   

Municipal property tax  0  R ‐    R ‐     R ‐   

Vehicle licences        R 2 155.00  

General electricity costs  1  R 200.00   R 2 400.00   R 2 400.00  

Other  0  R ‐    R ‐     R ‐   

Non‐directly allocatable variable costs  Amount     Unit  Value 

Fuel: LDV  1    R 8 000.00  R 8 000.00  

Fuel: lorry (4 tons)  1    R 4 500.00  R 4 500.00  

Fuel: lorry (7 tons)  1    R 8 400.00  R 8 400.00  

Fuel: tractor (43 kW)  2    R 21 672.00  R 43 344.00  

Fuel: tractor (54 kW)  2    R 27 216.00  R 54 432.00  

Fuel: others  1    R 5 000.00  R 5 000.00  

Repairs    R ‐  

Spares    R ‐  

Electricity    R ‐  

other         

Other inflows        Unit  Value 

Insurance received on product losses      R  R ‐   

Produce consumed by household & labourers      R  R ‐   

Bonus received      R  R ‐   

Diesel deduction      R  R ‐   

Deprecation recovered      R  R ‐   

Diverse income      R  R ‐   

Real interest rate calculation  %          

Inflation  13.40%  0.134 http://www.reservebank.co.za/ 

Nominal interest rate        Real rate    

Positive  6.00%  0.060 ‐6.53% ‐0.0653 

Negative  15.50%  0.155 1.85% 0.0185 

Loan amount  R        R ‐   

Amount of periods  a  25     

Reinvestment rate  %  10.00%       

Own capital  %  100.00%      

Loan capital  %  0.00%      

79  

 Annexure 25: Inventory for intensive farming scenario 

 

ASSETS                              

Land  Unit           ha     Value/item 

[R]   Total Value [R]  

Own land              300      R 3 237 450.00  Homestead  ha        5 R 45 000.00   R 225 000.00 Arable land  ha        40 R 75 500.00   R 3 012 450.00 Non‐arable land  ha        255   R ‐  Total: land              300      R 3 237 450.00                   

Fixed improvements  Amount  ELE* Purchase price [R]  

Salvage price 

ratio [%] 

Salvage price [R] 

Age [Years] 

Total depreciation 

[R]  Total value [R]  

Farm house  1  25  R 450 000  R ‐ R 18 000.00   R 450 000.00 

Housing for workers  6  25  R 45 000  R ‐ R 10 800.00   R 270 000.00 

Other buildings (offices, parking lots, etc.) 

2  25  R 30 000  R ‐ R 2 400.00   R 60 000.00 

Main shed (machinery storage, etc .) 

1  25  R 150 000  R ‐ R 6 000.00   R 150 000.00 

Others  1  25  R 1 550 000  R ‐ R 62 000.00   R 1 550 000.00 

Total: fixed improvements                    R 2 480 000.00 *Economic lifetime expectancy (in years)                  

Vehicles, machinery and equipment 

Amount  ELE* Purchase price [R]  

Salvage price 

ratio [%] 

Salvage price [R] 

Age [Years] 

Total depreciation 

[R]  Total value [R]  

Tractor (two‐wheel drive, high ‐power demand. 43 kW) a 

1  12  R 170 000  10%  R 17 000.00  1  R 12 750.00   R 157 250.00 

Tractor (two‐wheel drive,. high‐power demand. 43 kW) b 

1  12  R 170 000  10%  R 17 000.00  8  R 12 750.00   R 68 000.00 

Tractor (four‐wheel drive, high‐power demand. 43 kW) b 

0  12  R 195 960  10%  R ‐ 5  R ‐  R ‐  

Tractor (four‐wheel drive, high‐power demand. 54 kW) a 

1  12  R 237 228  10%  R 23 722.80  11  R 17 792.10   R 41 514.90 

Tractor (four‐wheel drive, high‐power demand. 54 kW) b 

0  12  R 237 228  10%  R ‐ 1  R ‐  R ‐  

Mist blower (mounted with PTO drive. 600 L) a 

1  10  R 65 025  10%  R 6 502.50  5  R 5 852.25   R 35 763.75 

Mist blower (mounted with PTO drive. 600 L) b 

0  10  R 65 025  10%  R ‐ 9  R ‐  R ‐  

Fertiliser spreader (mounted. double disc. 1000 L) 

1  10  R 34 773  10%  R 3 477.30  9  R 3 129.57   R 6 606.87 

Chisel plough (5 tine. 2 0m)  0  20  R 22 770  10%  R ‐ 0  R ‐  R ‐  

Water trailer (G t M C  8 4. 1000 L) 

1  20  R 23 950  5%  R 1 197.50  3  R 1 137.63   R 20 537.13 

Tip trailer (two‐wheeled. 3 ton) a  0  20  R 64 900  5%  R ‐ 5  R ‐  R ‐  Tip trailer (two‐wheeled. 3 ton) b  1  20  R 64 900  5%  R 3 245.00  8  R 3 082.75   R 40 238.00 Brush cutter  1  10  R 119 000  10%  R 11 900.00  2  R 10 710.00   R 97 580.00 Bin trailer  8  25  R 5 000  5%  R 250.00  0  R 1 520.00   R 40 000.00 Fork lift  1  20  R 90 000  10%  R 9 000.00  0  R 4 050.00   R 90 000.00 LDV (2‐wheel drive, diesel. <=2500 lwb) 

1  8  R 171 516  10%  R 17 151.60  4  R 19 295.55   R 94 333.80 

Lorry (single differential, 4 0 ton)  1  10  R 268 111  10%  R 26 811.10  8  R 24 129.99   R 75 071.08 Lorry (single differential, 7 0 ton)  0  10  R 386 866  10%  R ‐ 4  R ‐  R ‐  Tools, Etc.   1  999  R 150 000  10%  R 15 000.00  0  R 135.14   R 150 000.00 Tractor (four‐wheel drive, high‐power demand. 86 kW) 

1  12  R 378 000  10%  R 37 800.00  0  R 28 350.00   R 378 000.00 

Four‐wheel  trailer (10 ton)  1  20  R 70 820  5%  R 3 541.00  0  R 3 363.95   R 70 820.00 Ghroub (subsoiler and ripper, 5‐tine) 

1  10  R 43 000  10%  R 4 300.00  0  R 3 870.00   R 43 000.00 

Chain saw  2  4  R 4 500  5%  R 225.00  0  R 2 137.50   R 9 000.00 Operator safety equipment (helmet, overall, boots) 

2  4  R 1 100  0%  R ‐ 0  R 550.00   R 2 200.00 

Total: equipment, machinery & vehicles  R 1 419 915.53  *economic lifetime expectancy in Years                  

80  

Total: assets                     R 7 137 365.52  

             

             

LIABILITIES                       

Creditors  1          R ‐  

Mortgage loans  1          R ‐  

Land bank  1          R ‐  

Total: liabilities                     R ‐ 

                 

NET WORTH                     R 7 137 365.52  

                 

Total: liabilities & net worth                     R 7 137 365.52  

             

NOTES:                

Depreciation on assets        15.00% %     

Interest on loans        12.50% %     

Return on shares        14.50% %     

Insurance on assets        2.50% %     

Repairs (fixed improvements)        2.50% %     

Repairs (vehicles and machinery)        7.50% %     

  

81  

Annexure 26: Gross margin for woody biomass production for intensive farming scenario (per ha) 

Revenues (per ha)   Year 1    Year 2    Year 3    Year 4    Year 5    Year 10    Year 11    Year 12    Year 13    Year 20   Total 

(Years 1‐20) 

Harvesting periods  0  0  0  1  0  1  0  0  1  0    

MAI (fresh mass, t/ha)  28.80  28.80  28.80  28.80  28.80  28.80  28.80  28.80  28.80  28.80  576.00 

Yield: woody biomass (fresh mass, t/ha/harvest) 

0.00   0.00   0.00   86.40   0.00   86.40   0.00   0.00   86.40   0.00   518.40 

Price/t  R 62.28  R 62.28  R 62.28  R 62.28  R 62.28  R 62.28  R 62.28  R 62.28  R 62.28  R 62.28  1245.60 

Gross value of production (GVP)  R ‐  R ‐  R ‐  R 5 380.99   R ‐  R 5 380.99   R ‐  R ‐  R 5 380.99   R ‐  R 32 285.95  

                       

Expenditures (per ha)   Year 1    Year 2    Year 3    Year 4    Year 5    Year 10    Year 11    Year 12    Year 13    Year 20    total  

Site preparation  R 1 287.70  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 468.00  R ‐ R 1 755.70  

Irrigation  R 19 205.60  R 2 200.00  R 2 200.00  R 2 200.00  R 2 200.00  R 2 200.00  R 2 200.00  R 2 200.00  R 2 200.00  R 2 200.00  R 61 005.60  

Planting  R 3 967.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 3 967.00  R ‐ R 7 934.00  

Blanking  R 198.35  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 198.35  R ‐ R 396.70  

Total establishment costs  R 24 658.65  R 2 200.00  R 2 200.00  R 2 200.00  R 2 200.00  R 2 200.00  R 2 200.00  R 2 200.00  R 6 833.35  R 2 200.00  R 71 092.00  

Fertilising (post planting)  R ‐ R 733.50  R ‐ R ‐ R 733.50  R ‐ R 733.50  R ‐ R ‐   R 733.50  R ‐ 

Weed control (excl. pre‐plant application)  R 540.00  R 540.00  R ‐ R 540.00  R 540.00  R 540.00  R 540.00  R ‐ R 540.00  R 540.00  R ‐ 

Total tending costs  R 540.00  R 1 273.50  R ‐ R 540.00  R 1 273.50  R 540.00  R 1 273.50  R ‐ R 540.00  R 1 273.50  R 12 694.50  

Harvesting costs  R 4 060.80  R ‐ R ‐ R 4 060.80  R ‐ R 4 060.80  R ‐ R ‐ R 4 060.80  R ‐ R ‐ 

Post‐harvesting costs  R ‐ R ‐ R ‐ R 108.00  R ‐ R 108.00  R ‐ R ‐ R ‐   R ‐ R ‐ 

Other directly allocatable variable costs  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐   R ‐ R ‐ 

Directly allocatable costs  R 29 259.45  R 3 473.50  R 2 200.00  R 6 908.80  R 3 473.50  R 6 908.80  R 3 473.50  R 2 200.00  R 11 434.15  R 3 473.50  R 83 786.50  

                      

Non‐directly allocatable variable costs  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐   R ‐ R ‐ 

Repairs, spares, electricity, etc .  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐   R ‐ R ‐                        

Total variable costs/ha  R 29 259.45  R 3 473.50  R 2 200.00  R 6 908.80  R 3 473.50  R 6 908.80  R 3 473.50  R 2 200.00  R 11 434.15  R 3 473.50  R 83 786.50                         

Gross value of production (GVP)  R ‐ R ‐ R ‐ R 5 380.99  R ‐ R 5 380.99  R ‐ R ‐ R 5 380.99  R ‐ R 32 285.95  

Total variable costs/ha  R 29 259.45  R 3 473.50  R 2 200.00  R 6 908.80  R 3 473.50  R 6 908.80  R 3 473.50  R 2 200.00  R 11 434.15  R 3 473.50  R 112 752.10  

GROSS MARGIN  R ‐29 259.45  R ‐3 473.50  R ‐2 200.00  R ‐1 527.81  R ‐3 473.50  R ‐1 527.81  R ‐3 473.50  R ‐2 200.00  R ‐6 053.16  R ‐3 473.50  R ‐80 466.15  

82  

 

Annexure 27: Multi‐period budget for intensive farming scenario (total) 

 

Land utilisation  ha  red grapes  white grapes  apricots  peaches  biomass       

Homestead  5  n/a  n/a  n/a  n/a  n/a       

Arable land (%)  100  5%  40%  20%  30%  5%       

Arable land (ha)  40  2  10  5  7  16       

Non‐arable Land  255  n/a  n/a  n/a  n/a  n/a       

                 

Gross income per ha (per enterprise, 1‐20 Years) 

 Year 1    Year 2    Year 3    Year 4    Year 5    Year 6    Year 7   Total 

(1‐20 Years) 

Red grapes  R ‐ R ‐ R 5 760.00  R 17 280.00  R 28 800.00  R 28 800.00  R 28 800.00  R 483 840.00  

White grapes  R ‐ R ‐ R 9 600.00  R 28 800.00  R 48 000.00  R 48 000.00  R 48 000.00  R 806 400.00  

Apricots  R ‐ R ‐ R 3 230.00  R 12 920.00  R 45 220.00  R 64 600.00  R 64 600.00  R 1 030 370.00  

Peaches  R ‐ R ‐ R 4 180. 00  R 16 720.00  R 58 520.00  R 83 600.00  R 83 600.00  R 1 333 420.00  

Biomass  R ‐ R ‐ R ‐ R 5 380.99  R ‐ R ‐ R 5 380.99  322 885 95  

  R ‐ R ‐ R 22 770.00  R 81 100.99  R 180 540.00  R 225 000.00  R 230 380.99  R 3 654 030.00  

                 

Total variable costs per ha (per enterprise, 0‐20 Years) 

 Year 1    Year 2    Year 3    Year 4    Year 5    Year 6    Year 7   Total 

(1‐20 Years) 

Red grapes  R 73 828.60  R 6 613.00  R 6 993.00  R 8 533.00  R 10 073.00  R 10 073.00  R 10 073.00  R 257 135.60  

White grapes  R 75 871.60  R 7 076.00  R 7 456.00  R 8 996.00  R 10 536.00  R 10 536.00  R 10 536.00  R 267 975.60  

Apricots  R 49 781.60  R 11 510.00  R 11 531.00  R 12 026.00  R 13 676.00  R 14 666.00  R 14 666.00  R 318 514.60  

Peaches  R 69 237.60  R 11 899.12  R 11 531.00  R 12 026.00  R 13 676.00  R 14 666.00  R 14 666.00  R 338 359.72  

Biomass  R 29 259.45  R 3 473.50  R 2 200.00  R 6 908.80  R 3 473.50  R 2 200.00  R 6 908.80    

  R 297 978.85  R 40 571.62  R 39 711.00  R 48 489.80  R 51 434.50  R 52 141.00  R 56 849.80  R 1 181 985.52  

                 

                 

                 

83  

                 

Enterprises planning  ID  ha current Year 

Lifetime (Years) 

Replacement Year 

  Establishment 

Year Lifetime (Years) 

Replacement Year 

 

CURRENT  (Orchard, field)  40        REPLACEMENT            

Red grapes  Land 01  2  16  20  6  White grapes  6  20  26   

White grapes  Land 02  2  5  20  17  Red grapes  17  20  37   

   

   

   

   

   

   

   

   

   

   

   

   

   

   

   

   

   

   

                 

White grapes  Land 03  2  1  20  21  Apricots  21  16  37

White grapes  Land 04  2  1  20  21  Apricots  21  16  37

Biomass  Land 05  2  1  12  13  Biomass  13  12  24

White grapes  Land 06  2  8  20  14  White grapes  14  20  34

White grapes  Land 07  2  4  20  18  White grapes  18  20  38

White grapes  Land 08  2  6  20  16  White grapes  16  20  36

White grapes  Land 09  2  12  20  10  White grapes  10  20  30

White grapes  Land 10  2  17  20  5  White grapes  5  20  25

Apricots  Land 11  2  5  16  13  Apricots  13  16  29

Apricots  Land 12  2  13  16  5  Apricots  5  16  21

Apricots  Land 13  2  16  16  2  White grapes  2  20  22

Apricots  Land 14  2  2  16  16  White grapes  16  20  36

Peaches  Land 15  2  6  20  16  Peaches  16  20  36

Peaches  Land 16  2  4  20  18  Peaches  18  20  38

Peaches  Land 17  2  5  20  17  Peaches  17  20  37

Peaches  Land 18  2  8  20  14  Apricots  14  16  30

Peaches  Land 19  2  13  20  9  Peaches  9  20  29

Peaches  Land 20  2  17  20  5  Peaches  5  20  25

                 

                 

                 

                 

                 

                 

                 

84  

                 

Inflow Year 1   Year 2   Year 3    Year 4    Year 5    Year 6    Year 7   Total (years 1‐20) 

                  

Gross value of production (per land)  1  2  3  4  5  6  7  20 

(Orchard, field)                         

Land 01  R 57 600.00  R 57 600.00  R 57 600.00  R 57 600.00  R 57 600.00  R ‐ R ‐ R 1 420 800.00  

Land 02  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 1 582 080.00  

Land 03  R ‐ R ‐ R 19 200.00  R 57 600.00  R 96 000.00  R 96 000.00  R 96 000.00  R 1 612 800.00  

Land 04  R ‐ R ‐ R 19 200.00  R 57 600.00  R 96 000.00  R 96 000.00  R 96 000.00  R 1 612 800.00  

Land 05  R ‐ R ‐ R ‐ R 10 761.98  R ‐ R ‐ R 10 761.98  R 319 527.94  

Land 06  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 1 612 800.00  

Land 07  R 57 600.00  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 1 612 800.00  

Land 08  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 1 612 800.00  

Land 09  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R 1 555 200.00  

Land 10  R 96 000.00  R 96 000.00  R 96 000.00  R 96 000.00  R ‐ R ‐ R 19 200.00  R 1 612 800.00  

Land 11  R 90 440.00  R 129 200.00  R 129 200.00  R 129 200.00  R 129 200.00  R 129 200.00  R 129 200.00  R 2 021 980.00  

Land 12  R 129 200.00  R 129 200.00  R 129 200.00  R 129 200.00  R ‐ R ‐ R 6 460.00  R 2 060 740.00  

Land 13  R 129 200.00  R ‐ R ‐ R 19 200.00  R 57 600.00  R 96 000.00  R 96 000.00  R 1 646 000.00  

Land 14  R ‐ R 6 460.00  R 25 840.00  R 90 440.00  R 129 200.00  R 129 200.00  R 129 200.00  R 1 716 740.00  

Land 15  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R 2 666 840.00  

Land 16  R 33 440.00  R 117 040.00  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R 2 666 840.00  

Land 17  R 117 040.00  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R 2 666 840.00  

Land 18  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R 2 554 740.00  

Land 19  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R 2 666 840.00  

Land 20  R 167 200.00  R 167 200.00  R 167 200.00  R 167 200.00  R ‐ R ‐ R 8 360.00  R 2 666 840.00  

Total GVP  R 1 763 320.00  R 1 851 500.00  R 1 959 440.00  R 2 130 801.98   R 1 881 600.00   R 1 862 400.00   R 1 907 181.98   R 36 032 607.94  

                  

                 

                 

                 

85  

                 

Other inflows  Year 1   Year 2   Year 3    Year 4    Year 5    Year 6    Year 7  Total 

(years 1‐20) 

Insurance received on product losses  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Produce consumed by household & labourers  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Bonus received  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Diesel deduction  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Diverse income  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Total other inflows  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

                  

Total capital sales  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 37 800.00  

                  

Financial assets  Year 1   Year 2   Year 3    Year 4    Year 5    Year 6    Year 7  Total 

(year 1‐20) 

Share investments                  

Bank                  

Total financial assets  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  

                  

Total annual inflows  R 1 763 320.00   R 1 851 500.00  R 1 959 440.00   R 2 130 801.98  R 1 881 600.00  R 1 862 400.00  R 1 907 181.98  R 37 926 607.94  

Total inflows (excluding capital sales & financial assets) 

R 1 763 320.00  R 1 851 500.00  R 1 959 440.00  R 2 130 801.98   R 1 881 600.00   R 1 862 400.00   R 1 907 181.98   R 37 888 807.94  

                  

                 

                 

                 

                 

                 

                 

                 

                 

                 

86  

                  

Outflows Year 1   Year 2   Year 3    Year 4    Year 5    Year 6    Year 7   Total (year 1‐20) 

                  

                  

Total variable costs (per land)  1  2  3  4  5  6  7  20 

(Orchard, field)                 

Land 01  R 20 146.00  R 20 146.00  R 20 146.00  R 20 146.00  R 20 146.00  R 151 743.20  R 14 152.00  R 531 321.20  

Land 02  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 529 087.20  

Land 03  R 151 743.20  R 14 152.00  R 14 912.00  R 17 992.00  R 21 072.00  R 21 072.00  R 21 072.00  R 535 951.20  

Land 04  R 151 743.20  R 14 152.00  R 14 912.00  R 17 992.00  R 21 072.00  R 21 072.00  R 21 072.00  R 535 951.20  

Land 05  R 58 518.90  R 6 947.00  R 4 400.00  R 13 817.60  R 6 947.00  R 4 400.00  R 13 817.60  R 417 878.90  

Land 06  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 535 951.20  

Land 07  R 17 992.00  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 535 951.20  

Land 08  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 535 951.20  

Land 09  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 535 951.20  

Land 10  R 21 072.00  R 21 072.00  R 21 072.00  R 21 072.00  R 151 743.20  R 14 152.00  R 14 912.00  R 535 951.20  

Land 11  R 27 352.00  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 635 049.20  

Land 12  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 99 563.20  R 23 020.00  R 23 062.00  R 637 029.20  

Land 13  R 29 332.00  R 151 743.20  R 14 152.00  R 14 912.00  R 17 992.00  R 21 072.00  R 21 072.00  R 544 211.20  

Land 14  R 23 020.00  R 23 062.00  R 24 052.00  R 27 352.00  R 29 332.00  R 29 332.00  R 29 332.00  R 640 009.20  

Land 15  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 676 719.44  

Land 16  R 24 052.00  R 27 352.00  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 676 719.44  

Land 17  R 27 352.00  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 676 719.44  

Land 18  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 637 029.20  

Land 19  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 676 719.44  

Land 20  R 29 332.00  R 29 332.00  R 29 332.00  R 29 332.00  R 138 475.20  R 23 798.24  R 23 062.00  R 676 719.44  

Total variable costs  R 783 271.30  R 589 310.20  R 453 662.00  R 473 299.60  R 787 694.60  R 591 013.44  R 462 905.60   R 10 923 599.60  

                  

                 

                 

87  

                  

Gross margin

Year 1   Year 2   Year 3    Year 4    Year 5    Year 6    Year 7  Total 

(year 1‐20) 

Land 01  R 37 454.00  R 37 454.00  R 37 454.00  R 37 454.00  R 37 454.00  R ‐151 743.20  R ‐14 152.00  R 889 478.80  

Land 02  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 1 052 992.80  

Land 03  R ‐151 743.20  R ‐14 152.00  R 4 288.00  R 39 608.00  R 74 928.00  R 74 928.00  R 74 928.00  R 1 076 848.80  

Land 04  R ‐151 743.20  R ‐14 152.00  R 4 288.00  R 39 608.00  R 74 928.00  R 74 928.00  R 74 928.00  R 1 076 848.80  

Land 05  R ‐58 518.90  R ‐6 947.00  R ‐4 400.00  R ‐3 055.62  R ‐6 947.00  R ‐4 400.00  R ‐3 055.62  R ‐98 350.97  

Land 06  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 1 076 848.80  

Land 07  R 39 608.00  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 1 076 848.80  

Land 08  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 1 076 848.80  

Land 09  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R 1 019 248.80  

Land 10  R 74 928.00  R 74 928.00  R 74 928.00  R 74 928.00  R ‐151 743.20  R ‐14 152.00  R 4 288.00  R 1 076 848.80  

Land 11  R 63 088.00  R 99 868.00  R 99 868.00  R 99 868.00  R 99 868.00  R 99 868.00  R 99 868.00  R 1 386 930.80  

Land 12  R 99 868.00  R 99 868.00  R 99 868.00  R 99 868.00  R ‐99 563.20  R ‐23 020.00  R ‐16 602.00  R 1 423 710.80  

Land 13  R 99 868.00  R ‐151 743.20  R ‐14 152.00  R 4 288.00  R 39 608.00  R 74 928.00  R 74 928.00  R 1 101 788.80  

Land 14  R ‐23 020.00  R ‐16 602.00  R 1 788.00  R 63 088.00  R 99 868.00  R 99 868.00  R 99 868.00  R 1 076 730.80  

Land 15  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R 1 990 120.56  

Land 16  R 9 388.00  R 89 688.00  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R 1 990 120.56  

Land 17  R 89 688.00  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R 1 990 120.56  

Land 18  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R 1 917 710.80  

Land 19  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R 1 990 120.56  

Land 20  R 137 868.00  R 137 868.00  R 137 868.00  R 137 868.00  R ‐138 475.20  R ‐23 798.24  R ‐14 702.00  R 1 990 120.56  

Total gross margin  R 980 048.70  R 1 262 189.80  R 1 505 778.00  R 1 657 502.38   R 1 093 905.40   R 1 271 386.56   R 1 444 276.38   R 26 181 937.03  

Net flow after variable costs  R 980 048.70  R 1 262 189.80  R 1 505 778.00  R 1 657 502.38   R 1 093 905.40   R 1 271 386.56   R 1 444 276.38   R 26 219 737.03  

                  

                  

                 

                 

                 

                 

88  

                 

Fixed costs

Year 1   Year 2   Year 3    Year 4    Year 5    Year 6    Year 7  Total 

(year 1‐20) 

Fuel: LDV  R 8 000.00  R 8 000.00  R 8 000.00  R 8 000.00  R 8 000.00  R 8 000.00  R 8 000.00  R 160 000.00  

Fuel: lorry (4 tons)  R 4 500.00  R 4 500.00  R 4 500.00  R 4 500.00  R 4 500.00  R 4 500.00  R 4 500.00  R 90 000.00  

Fuel: lorry (7 tons)  R 8 400.00  R 8 400.00  R 8 400.00  R 8 400.00  R 8 400.00  R 8 400.00  R 8 400.00  R 168 000.00  

Fuel: tractor (43 kW)  R 43 344.00  R 43 344.00  R 43 344.00  R 43 344.00  R 43 344.00  R 43 344.00  R 43 344.00  R 866 880.00  

Fuel: tractor (54 kW)  R 54 432.00  R 54 432.00  R 54 432.00  R 54 432.00  R 54 432.00  R 54 432.00  R 54 432.00  R 1 088 640.00  

Fuel: others  R 5 000.00  R 5 000.00  R 5 000.00  R 5 000.00  R 5 000.00  R 5 000.00  R 5 000.00  R 100 000.00  

Maintenance & repairs (fixed improvements)  R 37 200.00  R 37 200.00  R 37 200.00  R 37 200.00  R 37 200.00  R 37 200.00  R 37 200.00  R 744 000.00  

Maintenance & repairs (vehicles & machinery)  R 15 444.02  R 15 444.02  R 15 444.02  R 15 444.02  R 15 444.02  R 15 444.02  R 15 444.02  R 308 880.41  

Maintenance & repairs (water supply)  R 4 500.00  R 4 500.00  R 4 500.00  R 4 500.00  R 4 500.00  R 4 500.00  R 4 500.00  R 90 000.00  

Maintenance & repairs (fencing)  R 1 500.00  R 1 500.00  R 1 500.00  R 1 500.00  R 1 500.00  R 1 500.00  R 1 500.00  R 30 000.00  

Insurance on assets  R 97 497.89  R 97 497.89  R 97 497.89  R 97 497.89  R 97 497.89  R 97 497.89  R 97 497.89  R 1 949 957.76  

Accounting/auditing fees  R 11 000.00  R 11 000.00  R 11 000.00  R 11 000.00  R 11 000.00  R 11 000.00  R 11 000.00  R 220 000.00  

Bank charges  R 7 000.00  R 7 000.00  R 7 000.00  R 7 000.00  R 7 000.00  R 7 000.00  R 7 000.00  R 140 000.00  

Communications(telephone, Internet ,etc.)  R 24 000.00  R 24 000.00  R 24 000.00  R 24 000.00  R 24 000.00  R 24 000.00  R 24 000.00  R 480 000.00  

Stationery  R 12 000.00  R 12 000.00  R 12 000.00  R 12 000.00  R 12 000.00  R 12 000.00  R 12 000.00  R 240 000.00  

Imputed costs  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Profit/loss on sale of capital items  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

General electricity costs  R 2 400.00  R 2 400.00  R 2 400.00  R 2 400.00  R 2 400.00  R 2 400.00  R 2 400.00  R 48 000.00  

Vehicle licences  R 2 155.00  R 2 155.00  R 2 155.00  R 2 155.00  R 2 155.00  R 2 155.00  R 2 155.00  R 43 100.00  

LABOUR & MANAGEMENT   

Permanent labour  R 105 000.00  R 105 000.00  R 105 000.00  R 105 000.00  R 105 000.00  R 105 000.00  R 105 000.00  R 2 100 000.00  

Management remuneration  R 180 000.00  R 180 000.00  R 180 000.00  R 180 000.00  R 180 000.00  R 180 000.00  R 180 000.00  R 3 600 000.00  

Total fixed costs  R 623 372.91  R 623 372.91  R 623 372.91  R 623 372.91  R 623 372.91  R 623 372.91  R 623 372.91   R 12 467 458.18  

Net flow after fixed costs  R 356 675.79  R 638 816.89  R 882 405.09  R 1 034 129.48  R 470 532.49  R 648 013.65  R 820 903.48   R 13 752 278.86  

                  

                 

                 

                 

89  

                 

                  

Capital expenditure

Year 1   Year 2   Year 3    Year 4    Year 5    Year 6    Year 7  Total 

(years 1‐20) 

    

Homestead  R 225 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 225 000.00  

Arable Land  R 3 012 450.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 3 012 450.00  

Non‐arable Land  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Farm house  R 450 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 450 000.00  

Housing for workers  R 270 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 270 000.00  

Other buildings (offices, parking lots, etc. )  R 60 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 60 000.00  

Main shed (machinery storage, etc .)  R 150 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 150 000.00  

Others  R 1 550 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 1 550 000.00  

Total Land & fixed improvements  R 5 717 450.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 5 717 450.00  

                  

                 

Intermediate capital

Year 1   Year 2   Year 3    Year 4    Year 5    Year 6    Year 7  Total 

(year 1‐20) 

Tractor (two‐wheel drive, high‐power demand. 43 kW) a  R 157 250.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 327 250.00  

Tractor (two‐wheel drive, high‐power demand. 43 kW) b  R 68 000.00  R ‐ R ‐ R 170 000.00  R ‐ R ‐ R ‐ R 408 000.00  

Tractor (four‐wheel drive, high‐power demand. 43 kW) b  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Tractor (four‐wheel drive, high‐power demand. 54 kW) a  R 41 514.90  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 41 514.90  

Tractor (four‐wheel drive, high‐power demand. 54 kW) b  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Mist blower (mounted with PTO drive. 600 L) a  R 35 763.75  R ‐ R ‐ R ‐ R 65 025.00  R ‐ R ‐ R 165 813.75  

Mist blower (mounted with PTO drive. 600 L) b  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Fertiliser spreader (mounted, double disc. 1000 L)  R 6 606.87  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 6 606.87  

Chisel plough (5 tine, 2.0 m)  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Water trailer (G t M C  8 4. 1000 L)  R 20 537.13  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 44 487.13  

Tip trailer (two‐wheeler, 3 ton) a  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Tip trailer (two‐wheeled,. 3 ton) b  R 40 238.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 105 138.00  

Brush cutter  R 97 580.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 335 580.00  

90  

Bin trailer  R 40 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 40 000.00  

Fork lift  R 90 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 180 000.00  

LDV (2‐wheel drive,. diesel. <=2500 lwb)  R 94 333.80  R ‐ R ‐ R 171 516.00  R ‐ R ‐ R ‐ R 608 881.80  

Lorry (single differential,. 40 ton)  R 75 071.08  R 268 111.00  R ‐ R ‐ R ‐ R ‐ R ‐ R 611 293.08  

Lorry (single differential, 70 ton)  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Tools. Etc.   R 150 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 150 000.00  

Tractor (four‐wheel drive, high‐power demand. 86 kW)  R 378 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 756 000.00  

Four‐wheel trailer (10 ton)  R 70 820.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 141 640.00  

Ghroub (subsoiler and ripper, 5‐tine)  R 43 000.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 129 000.00  

Chain saw  R 9 000.00  R ‐ R ‐ R 9 000.00  R ‐ R ‐ R ‐ R 54 000.00  

Operator safety equipment (helmet. overall, boots)  R 2 200.00  R ‐ R ‐ R 2 200.00  R ‐ R ‐ R ‐ R 13 200.00  

Total intermediate capital  R 1 419 915.53  R 268 111.00  R ‐ R 352 716.00  R 65 025.00  R ‐ R ‐ R 4 118 405.53  

                  

                  

                  

Liabilities  Year 1   Year 2   Year 3    Year 4    Year 5    Year 6    Year 7  Total 

(year 1‐20) 

Creditors  R ‐                

Mortgage loans  R ‐                

Land Bank  R ‐                

Total liabilities  R ‐  R ‐  R ‐  R ‐  R ‐  R ‐  R ‐  R ‐ 

                  

Total annual outflows  R 8 544 009.74   R 1 480 794.11   R 1 077 034.91   R 1 449 388.51    R 1 476 092.51    R 1 214 386.35    R 1 086 278.51    R 34 010 184.60  

                  

                  

                  

                  

                 

                 

                 

91  

                 

Summary  Year 1   Year 2   Year 3    Year 4    Year 5    Year 6    Year 7  Total 

(years 1‐20) 

Total GVP  R 1 763 320.00  R 1 851 500.00  R 1 959 440.00  R 2 130 801.98        R 1 881 600.00  R 1 862 400.00  R 1 907 181.98  R 36 032 607.94  

Total other inflows  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ 

Total capital sales  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 37 800.00  

Total annual inflows  R 1 763 320.00    R 1 851 500.00  R 1 959 440.00  R 2 130 801.98  R 1 881 600.00  R 1 862 400.00  R 1 907 181.98   R 37 926 607.94  

    

Total variable costs  R 783 271.30  R 589 310.20  R 453 662.00  R 473 299.60  R 787 694.60  R 591 013.44  R 462 905.60   R 10 923 599.60  

Total fixed costs  R 623 372.91  R 623 372.91  R 623 372.91  R 623 372.91  R 623 372.91  R 623 372.91  R 623 372.91 

       

 R 12 467 458.18  

Total land & fixed improvements  R 5 717 450.00  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R 5 717 450.00  

total intermediate capital  R 1 419 915.53  R 268 111.00  R ‐ R 352 716.00  R 65 025.00  R ‐ R ‐ R 4 118 405.53  

Total annual outflows  R 8 544 009.74  R 1 480 794.11  R 1 077 034.91  R 1 449 388.51  R 1 476 092.51  R 1 214 386.35  R 1 086 278.51  R 34 010 184.60  

    Net annual flow  R ‐6 780 689.74  R 370 705.89  R 882 405.09  R 681 413.48  R 405 507.49  R 648 013.65  R 820 903.48  R 3 916 423.33  

                  

NPV  R ‐113 244.07  Real interest rate calculation    

IRR  5.75%   %          

MIRR  5.90% Inflation  13.40%  0.134         

      Nominal interest rate  Real rate    

Loan amount (R)  R 0.00    Positive  6.00%  0.060 ‐6.53% ‐0.065   

Amount of periods (years)  25    Negative  15.50%  0.155 1.85% 0.019   

Reinvestment rate (%)  10.00%                

     Own capital  %  100.00%     

     Loan capital  %  0.00%     

                  

Cash flow  Year 1   Year 2   Year 3    Year 4    Year 5    Year 6    Year 7  Total 

(years 1‐20) 

Start balance           R ‐6 409 983.85 R ‐6 780 689.74  R ‐5 527 578.75  R ‐4 846 165.28  R ‐4 440 657.79  R ‐3 792 644.14  R 3.533.030,24  

Inflow  R 1 763 320.00    R 1 851 500.00  R 1 959 440.00  R 2 130 801.98  R 1 881 600.00  R 1 862 400.00  R 1 907 181.98  R 1.856.200,00 

Outflow  R 8 544 009.74     

       

     

 R 1 480 794.11  R 1 077 034.91  R 1 449 388.51  R 1 476 092.51  R 1 214 386.35  R 1 086 278.51  R 1.472.806,91  

Balance on interest  R ‐6 780 689.74  R ‐6 409 983.85  R ‐5 527 578.75  R ‐4 846 165.28  R ‐4 440 657.79  R ‐3 792 644.14  R ‐2 971 740.66  R 3.916.423,33  

Interest  R ‐ R ‐ R ‐ R ‐ R ‐ R ‐ R ‐  R  ‐  

End balance  R ‐6 780 689.74  R ‐6 409 983.85  R ‐5 527 578.75  R ‐4 846 165.28  R ‐4 440 657.79  R ‐3 792 644.14  R ‐2 971 740.66  R 3.916.423,33 

92