CC BY
20
Науки о Земле / Earth Science Оригинальная статья / Original Article УДК 911:528.94:004.9:31:330.59:338 DOI: 10.31161/1995-0675-2022-16-1-110-119
Геоинформационное картографирование индекса человеческого развития в субъектах Приволжского федерального округа
© 2°22 Тесленок С. А. 1 Минеев А. Н. 2, Нестеров Ю. А. 3
1 Национальный исследовательский Мордовский государственный университет им. Н. П. Огарёва Саранск, Россия; e-mail: teslserg@mail.ru 2 Московский государственный университет геодезии и картографии Москва, Россия; e-mail: mineev.arseniy99@mail.ru 3 Воронежский государственный университет Воронеж, Россия, e-mail: nland58@mail.ru
РЕЗЮМЕ. Цель. Расчет и анализ показателя индекса человеческого развития (ИЧР) и его разновидностей для субъектов Приволжского федерального округа (ПФО) за период 2002-2018 гг. с последующим представлением результатов в форме серии тематических карт. Методы. Применение при расчетах новой, наиболее точной методики, используемой ООН с 2010 г., но не используемой в России. Картографическое геоинформационное моделирование. Результаты. Рассчитаны показатели ИЧР и ИЧР с учетом внутристранового неравенства (ИЧРН) для субъектов ПФО по новой методике ООН за период 2002-2018 гг., представленные в табличной форме, и на их основе в ГИС ArcMap создан набор тематических карт: 17 карт для показателей ИЧР (2002-2018 гг.) и 9 карт для ИЧРН (2010-2018 гг.). Результаты представлены в форматах растрового изображения и видео, а также в виде картографической анимации, демонстрирующих динамику изменения анализируемых индексов. Вывод. Анализ карт, характеризующих ИЧР, показал, что наиболее развитыми регионами в ПФО являются Республика Татарстан, Нижегородская, Оренбургская и Самарская области, Пермский край, республики Башкортостан и Удмуртская. На 2018 г. эти регионы имеют показатели ИЧР более 0,800, что соответствует очень высокому уровню развития. Регионы-аутсайдеры - республики Марий Эл, Чувашская и Кировская область. Анализ ИЧРН дал иную несколько картину. На 2010 г. в регионе не было ни одного субъекта с высоким уровнем развития. Заметен значительный спад в уровне жизни населения в конце 2013 г., чего не наблюдалось при анализе ИЧР за тот же период. Так же, как и у ИЧР, наблюдается период замедленного роста с 2014 г., сопровождающийся падением показателей большинства регионов в 2018 г. На 2018 г. в округе все субъекты имеют высокий уровень развития. Значения ИЧР, рассчитанные по новой методике, несколько ниже определенных по старой, но они могут считаться наиболее приближенными к реальности, а не завышенными. Результаты исследования могут помочь наиболее точно оценить качество жизни населения в субъектах Приволжского федерального округа; могут быть использованы для изучения динамики показателей качества жизни и составления прогноза об изменениях в будущем.
Ключевые слова: ГИС, геоинформационное картографирование, человеческое развитие, измерение, статистические данные, расчет показателей, Программа развития ООН, индекс человеческого развития, индекс человеческого развития с учетом внутристранового неравенства, Приволжский федеральный округ.
Формат цитирования: Тесленок С. А., Минеев А. Н., Нестеров Ю. А. Геоинформационное картографирование индекса человеческого развития в субъектах Приволжского федерального округа // Известия Дагестанского государственного педагогического университета. Естественные и точные науки. 2022. Т. 16. № 1. С. 110-119. DOI: 10.31161/1995-0675-2022-16-1-110-119
Geounformational Mapping of Human Development Index
in the Subjects of Volga Federal District
© 2022 Sergey A. Teslenok 1, Arseniy N. Mineev 2, Yuriy A. Nesterov 3
1 National Research Ogarev Mordovia State University Saransk, Russia; e-mail: teslserg@mail.ru;
2 Moscow State University of Geodesy and Cartography Moscow, Russia; e-mail: mineev.arseniy99@mail.ru
3 Voronezh State University Voronezh, Russia, e-mail: nland58@mail.ru
ABSTRACT. Aim. Calculation and analysis of the Human Development Index (HDI) and its varieties for the subjects of Volga Federal District (VFD) for the period 2002-2018, followed by the presentation of the results in the form of thematic maps series. Methods. Application of new calculation methodology used by the UN since 2010, but not used in Russia before. Cartographic geoinformation modeling. Results. The HDI and Inequality-adjusted Human Development Index (IHDI) for the subjects of the VFD were calculated according to the new UN methodology for the period 2002-2018, presented in tabular form, and on their basis a set of thematic maps was created in the ArcMap GIS: 17 maps for HDI indicators (2002-2018) and 9 maps for IHDI (2010-2018). The results are presented in raster image and video formats, as well as in the form of cartographic animation, demonstrating the dynamics of changes in the analyzed indices. Conclusion. The analysis of the maps characterizing the HDI showed that the most developed regions in the VFD are the Republic of Tatarstan, Nizhny Novgorod, Orenburg and Samara Regions, Perm Territory, the Republics of Bashkortostan and Udmurtia. As of 2018, these regions have HDI indicators of more than 0,800, which corresponds to a very high level of development. The outsider regions are the republics of Mari El, Chuvash and Kirov regions. The analysis of IHDI gave a somewhat different picture. As of 2010, there was not a single entity with a high level of development in the region. There was a significant decline in the standard of the population living at the end of 2013, which was not observed when analyzing the HDI for the same period. Just like the HDI, there is a period of slow growth since 2014, accompanied by a drop in the indicators of most regions in 2018. For 2018, all subjects in the district have a high level of development. The HDI values calculated by the new method are somewhat lower than those determined by the old one, but they can be considered the closest to reality, and not overestimated. The results of the study can help to most accurately assess the quality of the population life in the subjects of VFD; they can be used to study the dynamics of life indicators quality and make a forecast about changes in the future.
Keywords: GIS, geoinformation mapping, human development, measurement, statistical data, calculation of indicators, United Nations Development Program, human development index, Inequality-adjusted Human Development Index, Volga Federal District.
For citation: Teslenok S. A., Mineev A. N., Nesterov Yu. A. Geounformational Mapping of Human Development Index in the Subjects of Volga Federal District. Dagestan State Pedagogical University. Journal. Natural and Exact Sciences. 2022. Vol. 16. No. 1. Pp. 110-119. DOI: 10.31161/1995-0675-2022-16-1110-119 (In Russian)
Введение
После окончания Второй Мировой войны проблемы развития человека и общества, измерения качества жизни населения привлекли общее внимание и заинтересовали представителей мирового интеллектуального и политического сообщества всех уровней. С конца 1940-х гг. социологи и экономисты разных стран предлагали различные критерии оценки и социальные индикаторы. В частности, американскими социологами на протяжении 60-80-х гг. XX
века исследовались факторы, от которых зависит субъективная оценка качества жизни. Они пришли к выводам, что таковыми были показатели дохода, форма и степень занятости, возраст, гендерные различия, брачное состояние, национальная принадлежность, место жительства, состояние здоровья и даже особенности внешности индивида [3]. Несмотря на то, что полученные результаты нередко носили субъективный характер, данное исследование было крайне важно для создания ком-
плекса социально-экономических показателей, используемых сегодня.
Материалы и методы исследования
Индекс человеческого развития и его особенности. В 1990 г. Программой развития ООН (ПРООН) было начато использование понятия индекса человеческого развития или ИЧР (англ. Human Development Index, HDI). Предложенный пакистанским экономистом Махбубом уль-Хаком, ИЧР представляет собой усредненный показатель развития населения в той или иной стране или регионе. При подсчете этого комбинированного индекса за основу берутся три составляющие: величина ожидаемой продолжительности жизни, характеристики образования, показатели валового внутреннего продукта (ВВП) на душу населения, определяемого по паритету покупательской способности (ППС).
Известны два основных метода подсчета ИЧР. Первый использовался ПРООН до 2010 г., а второй, более сложный, был представлен в 2011 г. Как отмечено выше, ИЧР включает три компонента, каждый из которых так же рассчитывается в форме индексов, измеряемых в долях от 0 до 1. Смысл каждого индекса состоит в измерении текущей ситуации в стране (регионе) в сравнении с минимальными и максимально достижимыми (желаемыми) показателями. Сравним методики расчета ИЧР до и после 2010 г.
Индекс долголетия всегда рассчитывался по формуле (1)
Z-25 85 - 25
(1)
где X - ожидаемая продолжительность жизни при рождении; 85 лет - ее принятый максимум; 25 лет - соответственно, ее принятый минимум.
Индекс образования по методике, применявшейся ПРООН до 2010 г., включал две части, бравшиеся с разными весами. Первая, доля грамотного населения, принималась с коэффициентом 2/3. Вторая, доля обучающихся (к примеру, имеющих возраст с 7 до 24 лет) в общем количестве представителей молодежного возраста для той или иной страны или региона - с коэффициентом 1/3.
Третьим показателем до 2010 г. был индекс уровня жизни, определявшийся по формуле (2)
1одУ — 1одХ ТодЛ0000—ТодТ00
(2)
где Y - показатель ВВП на душу населения, рассчитанный по ППС; 40 000$ (ППС) - его принятый максимум; 100$ (ППС) -его принятый минимум. В разных странах и/или регионах разброс значений этого показателя очень велик, что требовало использования для расчета не их самих, а показателей их десятичных логарифмов.
ИЧР в итоге рассчитывался как среднее арифметическое трех названных показателей.
После 2010 г. в применявшейся методике произошли следующие изменения. Индекс образования стал рассчитываться по формуле (3)
(15+ 18У 2
(3)
где S - средняя продолжительность обучения; 15 лет - ее принятый максимум; Е -ожидаемая продолжительность обучения; 18 лет - ее принятый максимум. Индекс уровня жизни был заменен индексом дохода, определяемым по формуле (4)
1пв — 1п100 Ы75000 — 1п100
(4)
где G - валовый национальный продукт (ВНП) на душу населения по ППС; 75 000$ (ППС) - его принятый максимум; 100$ (ППС) - его принятый минимум. Вместо среднего арифметического из трех показателей стали использовать среднее геометрическое.
Известны несколько причин смены устоявшейся методологии. Главная из них заключается в том, что исходные компоненты, ранее применяемые при подсчете ИЧР, недостаточно точно отражают реальное положение дел в стране или регионе. Так, грамотность - очень общий показатель; по которому (равно как и по доле обучающихся людей в государстве) невозможно определить, насколько человек образован. Поэтому было решено заменить данные составные части (долю грамотного населения и долю обучающихся в общем числе молодых людей соответствующих возрастов) на продолжительность обучения - среднюю и ожидаемую, как наиболее релевантные показатели. Похоже обстоит ситуация и с ВВП на душу населения - об-
щестрановым показателем, не дающим информации об отдельных индивидах или их совокупности. Уровень дохода на душу населения, напротив, позволяет получить представление о размере среднего заработка граждан [1].
Стоит заметить, что все описанные выше показатели предоставляют усредненную оценку, которая не может быть достоверным отображением действительности в странах с высоким уровнем социального неравенства. Поэтому для уточнения данных и получения более полной и объективной картины в последнее время дополнительно рассчитывается ИЧР с учетом внутристранового неравенства - ИЧРН (англ. Inequality-adjusted Human
Development Index, IHDI), в котором учитываются не региональные внутригосударственные отличия, а различия между социальными группами ее населения.
Такой ИЧР, скорректированный на основе учета неравенства, вносит в него соответствующую поправку в распределение среди населения каждого измерения индекса. Этот момент особенно важен для достоверного и объективного отображения действительного положения дел в странах с высоким уровнем неравенства между людьми. Подобно ИЧР, ИЧРН исчисляется как среднее геометрическое средних геометрических величин, рассчитанных для всего населения по каждому измерению отдельно. Теоретически они совпадают в том случае, когда социальное неравенство отсутствует, но значения ИЧРН становятся тем ниже, по сравнению с ИЧР, чем больше усиливается социальное неравенство. Таким образом, ИЧРН можно рассматривать как фактический уровень развития человека, тогда как ИЧР представляет собой индекс потенциального развития человека, которое может быть достигнуто при отсутствии неравенства.
ИЧРН так же имеет ряд недостатков, главным из которых является его невосприимчивость к взаимосвязи, что проявляется в том, что он не отражает «наложения» различных видов неравенства друг на друга. Для повышения степени чувствительности показателя ИЧРН к взаимосвязи необходимо, чтобы все применяемые в расчетах исходные данные по каждому индивиду были получены из одного исследовательского источника. В настоящее время это нереально по причине большого числа стран, статистических организаций [2] и применяемых методик.
Несмотря на очевидные положительные моменты, расчет и использование ИЧР, наряду с осуждением смены устоявшейся методологии, вызывает критику еще по ряду обстоятельств. Среди них главным служит крайне ограниченный набор показателей индекса. Методология не учитывает такие важные с точки зрения предмета анализа факторы, как экологическая ситуация в стране (регионах), показатели ее технического развития, вклад государства в развитие с глобальной точки зрения. Кроме того, при расчете ИЧР учитываются не только статистически измеренные показатели, но и оценочные данные, которые могут искажать полученные значения индекса в ту или иную сторону. Однако какого-либо другого, более общепринятого, утвержденного и апробированного длительное время метода сравнения государств (регионов) по уровню развития общества на данный момент не существует [1].
Расчет показателей. Для расчета ИЧР в субъектах ПФО по новой методике необходимо иметь в числе исходных показатели ожидаемой продолжительности жизни на момент рождения, средней и ожидаемой продолжительности обучения, ВНП на душу населения (в долл. США по ППС). Основным источником информации является сборник Росстата «Регионы России. Социально-экономические показатели 2019», содержащий статистические данные до 2018 г. включительно [5]. Все расчеты проводились в приложении MS Excel.
Информация об ожидаемой продолжительности жизни представлена в указанном сборнике [5] и не требует никакой дальнейшей обработки. Трудности начинаются при расчете продолжительности обучения. Дело в том, что Росстатом учет показателя продолжительности обучения не ведется вообще, поэтому было решено использовать данные ресурса Global Data Lab [13], причем на уровне федерального округа, а не его субъектов. Даже если считать, что ПФО в этом плане не имеет в своем составе регионов-аутсайдеров, такой подход несет в себе некоторую погрешность, но все же является более предпочтительным, чем расчет индекса образования с учетом грамотности.
Значение ВНП на душу населения можно получить, разделив ВРП на среднегодовую численность населения. Эти исходные показатели также получены из указанного сборника Росстата [5].
При расчете индекса дохода необходим учет ППС, так как уровни цен в странах мира (да и в регионах) сильно различаются. Основная сложность в расчете данного показателя заключается в том, что данные ВРП представлены в рублях и без учета ППС. Для перевода можно вычислить коэффициенты, сопоставив номинальный ВВП всей Российской Федерации в рублях, номинальный ВВП в долларах и ВВП по ППС в долларах. Данные об этих показателях были получены с ресурса Всемирного банка World Bank Open Data [12].
Особняком стоит расчет показателей для Коми-Пермяцкого автономного округа, который 1 декабря 2005 г. был объединен с Пермской областью с созданием Пермского края. В сборнике Росстата [5] соответствующие сведения, естественно, отсутствуют, поэтому было решено воспользоваться более старыми данными за 2004 г. - последний год учета статистических показателей Коми-Пермяцкого АО [4].
Имея в распоряжении все необходимые данные, с использованием ранее упомянутых формул 1-4 можно рассчитать ИЧР для субъектов ПФО за период 2002-2018 гг.
Данные ИЧР в Коми-Пермяцком АО рассчитывались за период 2002-2004 гг.
Расчет ИЧРН «с нуля» предполагает выполнение больших объемов трудоемких вычислений, изучения распределения показателей внутри разных групп населения России и ПФО. Вместо этого можно воспользоваться уже имеющимися показателями неравенства для долголетия, образования и дохода, выраженными в процентах. Таким образом, для перехода от ИЧР к ИЧРН требуется лишь внести поправки с учетом неравенства в соответствующие индексы долголетия, образования и дохода. Источником таких данных стала ежегодная публикация ПРООН «Отчет о развитии человечества» (англ. Human Development Report) [10].
Результаты любых социологических исследований требуют использования оптимальных методов и способов графической визуализации [7; 8]. Графическое представление показателей неравенства показано на рисунке 1. Данные по Российской Федерации фиксируются с 2010 г., поэтому расчетный период для ИЧРН по сравнению с ИЧР становится меньше.
Рис. 1. Динамика показателей неравенства (%) за исследуемый период
Fig. 1. Dynamics of inequality indicators (%) for the period under study
Результаты и их обсуждение Создание набора карт. Поскольку одним из оптимальных методов и способов графической визуализации результатов социологических исследований признано геоинформационное картографирование [6-8], на основе рассчитанных индексов был создан набор тематических карт в GIS ArcMap. Преимущества данной ГИС заключаются в использовании универсаль-
ного формата шейп-файла, поддержке файлов формата .хк для присоединения рассчитанных данных к слою объектов, а также в качестве выводимых векторных карт.
Источником пространственных данных цифровой картографической основы для создаваемых карт послужила часть набора пространственных векторных данных на территорию всего земного шара в геогра-
фической системе координат WGS-84, в формате шейп-файлов, полученного с сайта Natural Earth [11]. Он в общем доступе предоставляет растровые и векторные наборы слоев карт масштабов 1:10 000 000, 1:50 000 000 и 1:110 000 000. Нами, в частности, были использованы слои «Admin 0 -Countries» (для государств), «Admin 1 -States, Provinces» (для административных единиц первого уровня), «Rivers + lake centerlines» и «Lakes + Reservoirs» (для элементов гидрографической сети); все - в масштабе 1:10 000 000.
Работа по картографированию проводилась на базе созданной атрибутивной таблицы соответствующего слоя геоинформационного проекта [6]. Создание набора картографических материалов потребовало актуализации геопространственной и атрибутивной информации. Так, в ходе подготовки данных была исправлена ошибка - Сокольский район, отнесенный к Ивановской области, был присоединен к Нижегородской (переведен из состава Ивановской 3 февраля 1994 г.). Также Коми-Пермяцкий автономный округ был выделен из состава Пермского края для карт периода 2002-2004 гг. Для каждого слоя географической основы карты были определены и заданы собственные условные обозначения.
С учетом размеров и конфигурации картографируемой территории был выбран масштаб 1:7 500 000 и нормальная равнопромежуточная коническая проекция с осевым меридианом 52° в. д. и стандартными параллелями 53° и 59° с. ш.
Тематическим содержанием карт являются показатели ИЧР за 2002-2018 гг. и ИЧРН за 2010-2018 гг. Они были визуализированы способом картограммы, с выделением шести равноинтервальных классов. Каждому классу был задан индивидуальный цвет в соответствии с подобранной цветовой шкалой. Таким образом, в результате проделанной работы в ГИС ArcMap на базе геоинформационного проекта [6] была создана серия карт: 17 карт для ИЧР (рис. 2, а) и 9 карт для ИЧРН (рис. 2, б).
Полученные результаты представлены в форматах *.png (растрового изображения) и *.mp4 (видео), созданных с использованием Adobe Photoshop и в виде картографической анимации, и показывающих динамику изменения анализируемых индексов на протяжении исследуемого периода.
Анализ полученных данных. Анализ карт, характеризующих ИЧР, показал, что наиболее развитыми регионами в ПФО являются Республика Татарстан (лидирует с большим отрывом с 2002 г.), Нижегородская, Самарская и Оренбургская области, Пермский край, республики Башкортостан и Удмуртская. На 2018 г. в этих регионах показатели ИЧР превышали 0,800 (очень высокий уровень развития). Регионы-аутсайдры - республики Марий Эл и Чувашская, Кировская область (однако им удалось уменьшить отставание по сравнению с 2002 г.). Абсолютным же аутсайдером в ПФО в период своего существования являлся Коми-Пермяцкий АО, ИЧР которого в 2004 г. составлял 0,578 (современный ИЧР Кении). Вероятно, что в том числе и депрессивное состояние экономики и уровня жизни населения стали решающим фактором для объединения данного субъекта с Пермской областью в Пермский край.
За весь рассматриваемый период снижение индекса наблюдалось только в 2009 г., а период стагнации и замедления роста для большинства субъектов отмечался с 2014 по 2018. В 2002 г. все субъекты ПФО (кроме преуспевающего Татарстана) имели средний уровень развития, а через 16 лет в этой категории не осталось ни одного из них. Многие субъекты даже миновали стадию высокого уровня развития, остальные же вплотную к ней приблизились.
Анализ ИЧРН дал иную несколько картину. На период 2010 г. в регионе не было ни одного субъекта с высоким уровнем развития, хотя уже в 2011 в эту группу попадает Татарстан. Заметен значительный спад в уровне жизни населения в конце
2013 г., чего не наблюдалось при анализе ИЧР за тот же период. Так же, как и у ИЧР, наблюдается период замедленного роста с
2014 г., сопровождающийся падением показателей большинства регионов в 2018 г. На 2018 г. в округе все субъекты имеют высокий уровень развития; ближе всех к очень высокому уровню находится Татарстан с показателем 0,759.
Наконец, мы можем сравнить показатели ИЧР для субъектов ПФО, рассчитанные по новой методике, с аналогичными, рассчитанными по старой для 2016 г. (по данным Доклада ООН о человеческом развитии в Российской Федерации за 2018 г. [9]). Полученные результаты представлены в таблице.
В целом, можно говорить о том, что порядок и значения ИЧР по субъектам сопоставимы. При расчетах по старой методике более высокое место в рейтинге занимает Удмуртская Республика, обгоняя Оренбургскую и Нижегородскую области и Пермский край; также выше находятся Са-
ратовская и Кировская области. Остальные субъекты либо сохраняют свои места, либо меняются ими, но разрыв между ними остается минимальным - у республик Марий Эл и Чувашской и в старой, и в новой методике он составляет 0,001.
б
Рис. 2. Примеры из серии карт, характеризующих для субъектов Приволжского федерального округа: ИЧР (а); ИЧРН (б)
Fig. 2. Examples from a series of maps characterizing for the subjects of the Volga Federal District: HDI (a); IHDI (b)
Таблица. Сравнение значений ИЧР за 2016 г., рассчитанных по старой
и новой методикам
Table. Comparison of HDI values for 2016 calculated using the old and new methods
Субъект РФ ИЧР (2016), полученный по методике
новой старой
Республика Татарстан 0,826 0,905
Самарская область 0,800 0,874
Оренбургская область 0,795 0,870
Пермский край 0,795 0,866
Нижегородская область 0,793 0,863
Удмуртская Республика 0,792 0,871
Республика Башкортостан 0,790 0,859
Пензенская область 0,786 0,853
Саратовская область 0,784 0,858
Республика Мордовия 0,783 0,853
Ульяновская область 0,777 0,848
Кировская область 0,774 0,849
Республика Марий Эл 0,770 0,842
Чувашская Республика 0,769 0,843
Значения ИЧР, рассчитанные по новой методике, несколько ниже определенных по старой, что можно объяснить использованием в старых расчетах показателя уровня грамотности, составляющего во всех субъектах не менее 98 %, да еще учитываемого в соотношении 2/3 при расчете индекса образования.
Если рассматривать глобальный уровень, то в целом по миру при пересчете показателей ИЧР после 2010 г. также было зафиксировано подобное, соответствующее масштабам данного исследования снижение. Однако, учитывая особенности новой методики, ИЧР, рассчитанный с учетом средней и ожидаемой продолжительности обучения вместо грамотности и доли учащихся, показывает наиболее приближенную к реальности ситуацию.
Заключение
Подводя итог, хотелось бы выразить надежду, что в будущем в России, даже для расчета внутристрановых различий ИЧР, будет использоваться новая методика, доказавшая свою состоятельность и показы-
вающая наиболее приближенные к реальности, а не завышенные результаты. Однако для этого нужно вести учет показателей средней и ожидаемой продолжительности обучения, причем не только на уровне страны и федеральных округов, но и на уровне отдельных субъектов РФ.
Результатами выполненной работы являются показатели ИЧР и ИЧРН, представленные в табличной форме, а также созданные на основе расчетов карты ИЧР за период 2002-2018 гг. и карты ИЧРН за период 2010-2018 гг. для субъектов Приволжского федерального округа.
Значения ИЧР, рассчитанные по новой методике, несколько ниже, чем определенные по старой, но они могут считаться наиболее приближенными к реальности, а не завышенными. Результаты исследования могут помочь наиболее точно оценить качество жизни населения в субъектах Приволжского федерального округа, они могут быть использованы для изучения динамики показателей качества жизни и составления прогнозов их изменений в будущем.
Литература
1. Доклад о человеческом развитии в Российской Федерации за 2015 год / под ред. Л. М. Григорьева, С. Н. Бобылева. М.: Аналитический центр при Правительстве Российской Федерации, 2015. 260 с.
2. Домород А. В. Методики оценки развития человеческого потенциала // Исследования и разработки в области машиностроения, энерге-
тики и управления: материалы XIII Международной научно-технической конференции студентов, магистрантов и молодых ученых (Гомель, 25-26 апреля 2013 г.). Гомель: ГГТУ им. П. О. Сухого, 2013. С. 401-404.
3. Нугаев Р. М., Нугаев М. А. Качество жизни в трудах социологов США // Социологические исследования. 2003. № 6 (230). С. 100-104.
4. Регионы России. Социально-экономические показатели 2005: статистический сборник. М.: Федеральная служба государственной статистики, 2006. 982 с.
5. Регионы России. Социально-экономические показатели 2019: статистический сборник. М.: Федеральная служба государственной статистики, 2019. 1204 с.
6. Тесленок К. С. Создание геоинформационного проекта и его использование в целях развития хозяйственных систем // Геоинформационное картографирование в регионах России: материалы VII Всероссийской научно-практической конференции (10-12 декабря 2015 г.). Воронеж: Научная книга, 2015. С. 134-138.
7. Тесленок С. А., Семина И. А., Тесленок К. С. О необходимости выявления оптимальных методов и способов графической визуализации результатов социологических исследований // ИнтерКарто. ИнтерГИС. 2016. Т. 22. № 1. С. 309-321.
8. Тесленок С. А., Тесленок К. С., Долгачева Т. А., Скворцова М. А. Методы и способы графической визуализации результатов исследования социальной комфортности проживания населе-
1. Grigor'eva L. M., Bobyleva S. N. (eds.) Doklad o chelovecheskom razvitii v Rossiiskoi Federatsii za 2015 god [Report on Human Development in the Russian Federation for 2015]. Moscow, Analytical Center under the Government of the Russian Federation Publ., 2015. 260 p. (In Russian)
2. Domorod A. V. Methods for development assessment of human potential. Issledovaniya i raz-rabotki v oblasti mashinostroeniya, energetiki i upravleniya: materialy XIII Mezhdunarodnoy nauchno-tekhnicheskoy konferentsii studentov, magistrantov i molodykh uchenykh (Gomel1, 25-26 aprelya 2013 g.) [Research and Development in the Field of Mechanical Engineering, Energy and Management: Proceedings of the 13th International Scientific and Technical Conference of Students, Undergraduates and Young Scientists (Gomel, April 25-26, 2013)]. Gomel, Sukhov P. O. GSTU Publ., 2013. Pp. 401-404. (In Russian)
3. Nugaev R. M., Nugaev M. A. Quality of life in the papers of US sociologists. Sotsiologicheskie issledovaniya [Sociological Research]. 2003. No. 6 (230). Pp. 100-104. (In Russian)
4. Regiony Rossii. Sotsial'no-ekonomicheskie pokazateli 2005: statisticheskii sbornik [Regions of Russia. Socio-Economic indicators 2005: Statistical Collection]. Moscow, Federal State Statistics Service, 2006. 982 p. (In Russian)
5. Regiony Rossii. Sotsial'no-ekonomicheskie pokazateli 2019: statisticheskii sbornik [Regions of Russia. Socio-Economic Indicators 2019: Statistical
ния // Актуальные проблемы гуманитарных и социально-экономических наук. 2017. Т. 11. № 10. С. 125-130.
9. Человек и инновации. Доклад о человеческом развитии в Российской Федерации / под ред. С. Н. Бобылева, Л. М. Григорьева. М.: Аналитический центр при Правительстве Российской Федерации, 2018. С. 161-163.
10. Malik Khalid. Human Development Report 2013. The Rise of the South: Human Progress in a Diverse World (March 15, 2013). UNDP-HDRO Human Development Reports. 2013. 216 p. Available at: https://ssrn.com/abstract=2294673 (accessed 10.01.2022).
11. Natural Earth. Available at: https://www. naturalearthdata.com/ (accessed 09.11.2021).
12. Russian Federation. World Bank. Open Data. Countries and Economies. Available at: https: //data.worldbank.org/country/russian-federation ?view=chart (accessed 09.11.2021).
13. Subnational Human Development Index (SHDI). Indicators, Russian Federation, 2002-2018. Global Data Lab. Available at: https: //globaldatalab.org/shdi/ (accessed 09.11. 2021).
Collection]. Moscow, Federal State Statistics Service, 2019. 1204 p. (In Russian)
6. Teslenok K. S. Creation of a geoinformation project and its use for the economic systems development. Geoinformatsionnoe kartografirovanie v regionakh Rossii: materialy VII Vserossiiskoi nauchno-prakticheskoi konferentsii (10-12 dek-abrya 2015 g.) [Geoinformation Mapping in the Regions of Russia: Proceedings of the 7th All-Russian Scientific and Practical Conference (December 10-12, 2015)]. Voronezh, Nauchnaya kniga Publ., 2015. Pp. 134-138. (In Russian)
7. Teslenok S. A., Semina I. A., Teslenok K. S. On the need to identify optimal methods and ways of graphic visualization of sociological research results. InterKarto. InterGIS [InterKarto. InterGIS]. 2016. Vol. 22. No. 1. Pp. 309-321. (In Russian)
8. Teslenok S. A., Teslenok K. S., Dolgacheva T. A., Skvortsova M. A. Methods and ways for graphic visualization of the study results in social comfort of the population living. Aktual'nye problemy gumanitarnykh i sotsial'no-ekonomicheskikh nauk [Actual Issues of the Humanities and SocioEconomic Sciences]. 2017. Vol. 11. No. 10. Pp. 125-130. (In Russian)
9. Bobyleva S. N., Grigor'eva L. M. (eds.) Che-lovek i innovatsii. Doklad o chelovecheskom razvitii v Rossiiskoi Federatsii [Man and Innovation. Human Development Report in the Russian Federation]. Moscow, Analytical Center under the Government of the Russian Federation Publ., 2018. Pp. 161-163. (In Russian)
References
10. Malik Khalid. Human Development Report 2013. The Rise of the South: Human Progress in a Diverse World (March 15, 2013). UNDP-HDRO Human Development Reports. 2013. 216 p. Available at: https://ssrn.com/abstract=2294673 (accessed 10.01.2022).
11. Natural Earth. Available at: https://www. naturalearthdata.com/ (accessed 09.11.2021).
СВЕДЕНИЯ ОБ АВТОРАХ Принадлежность к организации
Тесленок Сергей Адамович, кандидат географических наук, доцент кафедры геодезии, картографии и геоинформатики, географический факультет, Национальный исследовательский Мордовский государственный университет им. Н. П. Огарёва, Саранск, Россия; e-mail: teslserg@mail.ru
Минеев Арсений Николаевич, магистрант кафедры геоинформационных систем и технологий, факультет геоинформатики и информационной безопасности, Московский государственный университет геодезии и картографии, Москва, Россия; email: mineev.arseniy99@mail.ru
Нестеров Юрий Анатольевич, кандидат географических наук, доцент кафедры геоэкологии и мониторинга окружающей среды, Воронежский государственный университет, Воронеж, Россия; e-mail: nland58@mail.ru
12. Russian Federation. World Bank. Open Data. Countries and Economies. Available at: https://data.worldbank.org/country/russian-federation ?view=chart (accessed 09.11.2021).
13. Subnational Human Development Index (SHDI). Indicators, Russian Federation, 2002-2018. Global Data Lab. Available at: https: //globaldatalab.org/shdi/ (accessed 09.11. 2021).
INFORMATION ABOUT AUTHORS Affiliations
Sergey A. Teslenok, Ph.D. (Geography), Associate Professor, Department of Geodesy, Cartography and Geoinformatics, Faculty of Geography, National Research Ogarev Mordovia State University, Saransk, Russia; e-mail: teslserg @mail.ru
Arseniy N. Mineev, undergraduate, Department of Geoinformation Systems and Technologies, Faculty of Geoinformatics and Information Security, Moscow State University of Geodesy and Cartography, Moscow, Russia; e-mail: mineev.arseniy99@mail.ru
Yuriy A. Nesterov, Ph.D. (Geography), Associate Professor, Department of Geoecology and Environmental Monitoring, Voronezh State University, Voronezh, Russia; e-mail: nland58 @mail.ru
Принята в печать 09.03.2022 г.
Received 09.03.2022.
