CC BY
11Научная статья УДК 332.132
doi: 10.47576/2411-9520 2023 3 207
ИНТЕГРАЛЬНАЯ ОЦЕНКА УРОВНЯ ОХРАНЫ ОКРУЖАЮЩЕЙ СРЕДЫ СУБЪЕКТОВ РОССИЙСКОЙ АРКТИКИ
Босе Упасак
Южно-Уральский государственный университет, Челябинск, Россия, upasakbosegre@gmail. com
Грейз Георгий Маркович
Южно-Уральский государственный университет, Челябинск, Россия, ggreyz09 @mail. ru
Кузменко Юлия Геннадьевна
Южно-Уральский государственный университет, Челябинск, Россия, polina. [email protected]
Аннотация. В статье сделана попытка сравнительной оценки уровня охраны окружающей среды субъектов российской Арктики. Арктическая зона Российской Федерации является одним из наиболее экологически хрупких регионов в связи с таянием полярных льдов из-за глобального потепления и негативного влияния хозяйственной деятельности. Это создает опасность загрязнения окружающей среды, нарушения экологического баланса и, как следствие, влияет на образ жизни коренного населения и их традиционные занятия. Выполнена именно интегральная оценка с использованием разнородных показателей, с различными единицами измерения (проценты, метры кубические, рубли). В исследовании были выбраны пять показателей: доля уловленных и обезвреженных загрязняющих атмосферу веществ; объем использования свежей воды; объем оборотной и последовательно используемой воды; расходы на охрану окружающей среды; индекс физического объема природоохранных расходов. Для определения интегральной оценки использовался математический инструментарий теории нечеткой логики в рамках решения задачи определения подпрямого образа нечеткого множества. На основе полученной интегральной оценки девять субъектов АЗРФ были ранжированы по уровню охраны окружающей среды.
Ключевые слова: Арктическая зона Российской Федерации; интегральная оценка уровня охраны окружающей среды; показатели уровня экологической защиты; инструментарий теории нечеткой логики; ранжирование субъектов российской Арктики по уровню экологической защиты.
Для цитирования: Босе Упасак, Грейз Г М., Кузменко Ю. Г Интегральная оценка уровня охраны окружающей среды субъектов российской Арктики // Инновационная экономика: информация, аналитика, прогнозы. - 2023. - № 3. - С. 207-216. https://doi. org/10.47576/2411 -9520_2023_3_207.
Original article
INTEGRAL ASSESSMENT OF THE LEVEL OF ENVIRONMENTAL PROTECTION OF THE SUBJECTS OF THE RUSSIAN ARCTIC
Bose Upasak
South Ural State University, Chelyabinsk, Russia, [email protected] Greiz Georgy M.
South Ural State University, Chelyabinsk, Russia, [email protected] Kuzmenko Yulia G.
South Ural State University, Chelyabinsk, Russia, [email protected]
Abstract. The article attempts a comparative assessment ofthe level of environmental protection of the subjects of the Russian Arctic. The Arctic zone of the Russian Federation (AZRF) is one of the most ecologically fragile regions due to the melting of polar ice due to global warming and the negative impact of economic activity. This creates a danger of environmental pollution, disruption of the ecological balance, and as a result, affects the lifestyle of the indigenous population and their traditional occupations. It is an integral assessment using heterogeneous indicators, with different units of measurement (percentages, cubic meters, rubles). In this study, five indicators were selected: the share of captured and neutralized air pollutants; the volume of fresh water use; the volume of recycled and consistently used water; environmental protection costs; the index of the physical volume of environmental costs. To determine the integral estimate, the mathematical tools of the theory of fuzzy logic were used in the framework of solving the problem «determining the indirect image of a fuzzy set». Based on the received integral assessment, nine subjects of the Russian Arctic were ranked according to the level of environmental protection.
Keywords: Arctic zone of the Russian Federation; integrated assessment of the level of environmental protection; indicators of the level of environmental protection; tools of the theory of fuzzy logic; ranking of the subjects of the Russian Arctic by the level of environmental protection.
For citation: Bose Upasak, Greiz G. M., Kuzmenko Yu. G. Integral assessment of the level of environmental protection of the subjects of the Russian Arctic. Innovative economy: information, analysis, prognoses, 2022, no. 3, pp. 207-216. https://doi.org/10.47576/2411-9520_2023_3_207.
Арктическая зона России состоящая из девяти субъектов Российской Федерации [16] - один из самых экологически уязвимых регионов мира. Регион был свидетелем неконтролируемой урбанизации и индустриализации в период существования СССР ценой экологической стабильности. После распада СССР регион стал привлекать гораздо больше внимания со стороны правительства с точки зрения охраны окружающей среды и оптимального использования природных ресурсов [17; 18].
Имеющаяся литература в основном сосредоточена на отдельных аспектах экологического мониторинга и контроля без учета интеграции разнородных факторов [14; 19]. Существует недостаточное количество лите-
ратуры по интегральной оценке разнородных факторов в отношении охраны окружающей среды и инвестиций. Так, в исследовании [1] было выполнено ранжирование субъектов АЗРФ на основе наборов в которые входили шесть природоохранных параметров, каждый из которых содержит различные показатели. В набор параметров входили «охрана атмосферного воздуха», «охрана водных ресурсов», «обращение с отходами производства и потребления», «затраты и инвестиции в охрану окружающей среды», «состояние городской инфраструктуры и комфортности городской среды». На основе балльной оценки этих параметров было выполнено ранжирование исследованных субъектов АЗРФ. В исследовании [12] авторы провели
сравнение между Республикой Саха (Якутия) и Чукотским АО на основе шести различных показателей.
По мнению авторов настоящей статьи, определенным недостатком вышеприведенных исследований является методика вычисления интегральной оценки, которая не всегда является объективной и достаточно математически обоснованной.
Авторы полагают, что в данном случае оптимальным является использование инструментария теории нечеткой логики. В период 1980-х гг. эта теория получила дальнейшее развитие в связи с появлением компьютерных систем с применением нечетких управляющих алгоритмов. В результате теория нечетких множеств нашла применение при построении систем управления сложными технологическими процессами, а также диагностических системах и в бытовой технике [2; 4-6; 8; 9 и др.]. С помощью теории нечетких множеств стала возможна трансформация экспертных оценок в терминах естественного языка в количественную форму, что, в свою очередь, открыло возможность моделирования экономических объектов на базе мнений этих экспертов [10; 11].
Для нахождения интегральных оценок уровня охраны окружающей среды авторы использовали задачу «Определение подпря-мого образа нечеткого множества» [3; 13].
Постановка этой задачи выглядит следующим образом: а) рассматривается несколько экономических объектов, каждый из которых имеет б) набор определенных свойств (признаков) и задан в) критериальный набор этих
признаков, на основании которого оцениваются представленные экономические объекты. Результатом решения данной задачи является нахождение экономического объекта, который полностью совпадает по наличию признаков с критериальным набором А и по комплексу свойств соответствует этому набору наилучшим образом.
В терминах теории нечетких множеств постановка данной задачи будет выглядеть следующим образом. Необходимо найти степень принадлежности критериального набора признаков х (образ нечеткого множества А) экономическим объектам у при условии, что известно нечеткое бинарное отношение R из множества X во множество Y (наборы свойств (признаков) экономических объектов). Результатом решения данной задачи является степень принадлежности q каждого элемента у образу нечеткого множества А при заданном нечетком бинарном отношении R. В соответствии с правилами теории нечетких множеств, все значения признаков х, бинарных отношений г и степени принадлежности q элемента у образу нечеткого множества А должны находиться в интервале [0;1]. Полученное множество значений q интерпретируется следующим образом: чем ближе значение степени принадлежности q к единице, тем комплекс свойств экономического объекта в большей степени соответствует заданному критериальному набору признаков А [3].
В матричном виде решение данной задачи можно представить следующим образом:
где Рх,Р2г-й, -,РП - степень принадлежности признаков х1г х2/... ..., хп (выбранные показатели) нечеткому множеству (критериальному набору), который записывается в виде
А = {(*! |Р1>; (х21 р2); - (*■ I Рг); - СI Рл)};
ги —гпт - элементы матрицы Я (нечеткое бинарное отношение из множествах во множество У), которые задают нечеткие значения признаков для элементов у (экономические объекты - субъекты АЗРФ) нечеткого множества У;
д1д2,..,дт - степени принадлежности элементов у1,у2,.,ут образуют нечеткого множества А, которые можно интерпретировать как степень соответствия комплекса признаков экономических объектов заданному критериальному набору значений этих признаков;
п - число признаков х т - число элементов у (экономических объектов).
Содержание операции ◄ , становится понятным из записи решения выражения (1) в координатной форме:
mill((Pi«rn); (Pz"7zi); ... (j}nUTnl)) = q1
min((Piirlm); (p2 ■ r2m);... (pt urjm); ... (pn я
?nm)) 4m.
(2)
По результатам расчета по формулам (2) получаем множество В = ААК = {(уа^а); (у2 \я2); ...(>5 | д); ...(ут | .
Это множество дает возможность оценить, какой из рассмотренных объектов у больше соответствует критериальному набору признаков (подпрямому образу нечеткого множества А). Чем ближе значение д к единице, тем в большей степени объект соответствует заданному критериальному набору признаков А по комплексу свойств [3].
Авторы в качестве составляющих интегральной оценки выбрали пять разнородных показателей, характеризующих раздел государственной статистики «Земельные ресурсы и охрана окружающей природной среды» и которые объективно показывают уровень охраны окружающей среды и экологической защиты в АЗРФ, а именно: доля
уловленных и обезвреженных загрязняющих атмосферу веществ в общем количестве отходящих загрязняющих веществ от стационарных источников (процентов), использование свежей воды (миллионов кубических метров), Объем оборотной и последовательно используемой воды (миллионов кубических метров), расходы на охрану окружающей среды (в фактически действовавших ценах; миллионов рублей) и индекс физического объема природоохранных расходов (в процентах к предыдущему году).
Для оценки выбран временной период с 2016 по 2020 год [20; 15]. Данные по показателям за выбранный период времени представлены в табл. 1.
Таблица 1 - Числовые значения показателей по годам и субъектам АЗРФ
Показатели, ед.измерения Субъект АЗРФ Год (у)
2016 2017 2018 2019 2020
Доля уловленных и обезвреженных загрязняющих атмосферу веществ в общем количестве отходящих загрязняющих веществ от стационарных источников (процентов) Архангельская область 73.4 73.4 76 73.5 72.3
Ямало-Ненецкий автономный округ 0 0 0 0 0
Красноярский край 72.7 73.1 73.4 68.3 69.3
Мурманская область 88.8 84.8 71.4 83.6 89.6
Ненецкий автономный округ
Республика Карелия 44.2 48 39.3 44.5 50
Республика Коми 38.4 59.5 31.8 45.1 43.9
Республика Саха(Якутия) 65.1 62.7 59.6 56.4 62.6
Чукотский автономный округ 55.1 56.3 62 56.6 55
Использование свежей воды (миллионов кубических метров) Архангельская область 562 557 552 536 543
Ямало-Ненецкий автономный округ 213 202 178 180 175
Красноярский край 1917 2006 1910 1849 1542
Мурманская область 1393 1418 1447 1369 1423
Ненецкий автономный округ 14 15 15 16 22
Республика Карелия 162 169 181 189 186
Республика Коми 491 485 474 462 475
Республика Саха(Якутия) 150 153 178 170 173
Чукотский автономный округ 24 24 26 27 23
Объем оборотной и последовательно используемом воды (миллионов кубических метров) Архангельская область 823 886 896 852 922
Ямало-Ненецкий автономный округ 326 296 276 338 312
Красноярский край 2987 2860 2808 2892 2817
Мурманская область 1022 1034 1054 1063 1059
Ненецкий автономный округ 19 24 16 14 15
Республика Карелия 1079 1046 1111 1122 1080
Республика Коми 1431 845 825 1412 1327
Республика Саха(Якутия) 1290 1253 1300 1266 1301
Чукотский автономный округ 172 184 155 171 149
Расходы на охрану окружающей среды (в фактически действовавших ценах; миллионов рублей) Архангельская область 5496 8426 6344 6579 13392
Ямало-Ненецкий автономный округ 18168 24602 17019 19447 15096
Красноярский край 40007 41918 35623 40383 44733
Мурманская область 6584 8726 19189 27253 13961
Ненецкий автономный округ 756 1573 820 562 534
Республика Карелия 3309 3181 2935 2991 3210
Республика Коми 12154 9669 13795 9757 10952
Республика Саха(Якутия) 13295 18160 20671 20233 17556
Чукотский автономный округ 711 1109 709 1229 1128
Индекс физического объема природоохранных расходов (в процентах к предыдущему году) Архангельская область 87.4 150.6 71.3 95.7 194.5
Ямало-Ненецкий автономный округ 125.2 131.9 72.4 109.2 77.5
Красноярский край 100.2 100.4 77.9 107.3 104.1
Мурманская область 79.5 133.4 130.7 48.1
Ненецкий автономный округ 159.5 47.8 68.4 100.4
Республика Карелия 96.1 90.3 87 93.8 105.7
Республика Коми 90 76.6 136 67.6 109.8
Республика Саха(Якутия) 98 132.7 106.7 94.8 84.9
Чукотский автономный округ 128.7 144.9 59.8 160.2 83
Для использования инструментарии теории нечеткой логики необходимо чтобы значения показателей находились в интервале [0; 1].
Для перевода значений показателей из таблицы 1 в этот интервал была использована следующая методика.
1. Вычислялись частные рейтинги г|г (формула (3)):
где11^ - обозначение показателя; ] -Субъект АЗРФ:у- Год анализа
Ц™ - Максимальное значение ¡-го показателя за период 2016-2020.
2. Выполнялась корректировка значений частных рейтингов с использованием весовых коэффициентов значимости. Данные коэффициенты позволяют менять значимость
показателя в зависимости от его приближенности (удаленности) от текущего момента времени. Значимость показателя растет по мере его приближения к текущему моменту времени, и наоборот, снижается по мере удаления.
Весовые коэффициенты кг рассчитываются по формуле (4) [7]:
к^ =Дх*ехр(-х1), (4)
где Ох - интервал, рассчитываемый с учетом количества показателей и размаха значений кг Принято Ох = 0,5; х1 - середина ¡-того интервала, соответствующего рангу показателя (для показателя первого ранга х = 0,389 (2020 г.), для показателя второго ранга х=0,236 (2019 г.) и т.д.).
Числовые значения весовых коэффициентов значимости по годам приведены в табл. 2.
Таблица 2 - Значения весовых коэффициентов значимости по годам
Показатель Годы
2016 2017 2018 2019 2020
Весовой коэффициент значимости 0,053 0,087 0,143 0,236 0,389
Произведение частного рейтинга на весо- ^п _ (5)
вой коэффициент вычисляем как: у-2016 ¡у
pj — ^ * jJ fo Интегральные рейтинги по каждому по-
iy f iy казателю для субъектов АЗРФ приведены в
Далее вычисляем интегральный регио- табл. 3. нальный рейтинг за весь анализируемый период
Таблице 3 - Интегральная оценка по каждому субъекту АЗРФ (земельные ресурсы и охрана окружающей природной среды)
Субъект АЗРФ Показатели Интегральный рейтинг
Архангельская область Доля уловленных и обезвреженных загрязняющих атмосферу веществ в общем количестве отходящих загрязняющих веществ от стационарных источников (процентов) 0.421
Использование свежей воды (миллионов кубических метров) 0.349
Объем оборотной и последовательно используемой воды (миллионов кубических метров) 0.721
Расходы на охрану окружающей среды (в фактически действовавших ценах; миллионов рублей) 0.536
Индекс физического объема природоохранных расходов (в сопоставимых ценах; в процентах к предыдущему году) 0.427
Ямало-Ненецкий автономный округ Доля уловленных и обезвреженных загрязняющих атмосферу веществ в общем количестве отходящих загрязняющих веществ от стационарных источников (процентов) 0.282
Использование свежей воды (миллионов кубических метров) 0.200
Объем оборотной и последовательно используемой воды (миллионов кубических метров) 0.899
Расходы на охрану окружающей среды (в фактически действовавших ценах; миллионов рублей) 0.276
Индекс физического объема природоохранных расходов (в сопоставимых ценах; в процентах к предыдущему году) 0.905
Красноярский край Доля уловленных и обезвреженных загрязняющих атмосферу веществ в общем количестве отходящих загрязняющих веществ от стационарных источников (процентов) 0.396
Использование свежей воды (миллионов кубических метров) 0.940
Объем оборотной и последовательно используемой воды (миллионов кубических метров) 0.780
Расходы на охрану окружающей среды (в фактически действовавших ценах; миллионов рублей) 0.477
Индекс физического объема природоохранных расходов (в сопоставимых ценах; в процентах к предыдущему году) 0.431
Мурманская область Доля уловленных и обезвреженных загрязняющих атмосферу веществ в общем количестве отходящих загрязняющих веществ от стационарных источников (процентов) 0.363
Использование свежей воды (миллионов кубических метров) 0.271
Объем оборотной и последовательно используемой воды (миллионов кубических метров) 0.820
Расходы на охрану окружающей среды (в фактически действовавших ценах; миллионов рублей) 0.517
Индекс физического объема природоохранных расходов (в сопоставимых ценах; в процентах к предыдущему году) 0.549
Ненецкий автономный округ Доля уловленных и обезвреженных загрязняющих атмосферу веществ в общем количестве отходящих загрязняющих веществ от стационарных источников (процентов) 0.429
Использование свежей воды (миллионов кубических метров) 0.014
Объем оборотной и последовательно используемой воды (миллионов кубических метров) 0.784
Расходы на охрану окружающей среды (в фактически действовавших ценах; миллионов рублей) 0.367
Индекс физического объема природоохранных расходов (в сопоставимых ценах; в процентах к предыдущему году) 0.780
Республика Карелия Доля уловленных и обезвреженных загрязняющих атмосферу веществ в общем количестве отходящих загрязняющих веществ от стационарных источников (процентов) 0.411
Использование свежей воды (миллионов кубических метров) 0.198
Объем оборотной и последовательно используемой воды (миллионов кубических метров) 0.732
Расходы на охрану окружающей среды (в фактически действовавших ценах; миллионов рублей) 0.514
Индекс физического объема природоохранных расходов (в сопоставимых ценах; в процентах к предыдущему году) 0.370
Республика Коми Доля уловленных и обезвреженных загрязняющих атмосферу веществ в общем количестве отходящих загрязняющих веществ от стационарных источников (процентов) 0.443
Использование свежей воды (миллионов кубических метров) 0.279
Объем оборотной и последовательно используемой воды (миллионов кубических метров) 0.752
Расходы на охрану окружающей среды (в фактически действовавших ценах; миллионов рублей) 0.549
Индекс физического объема природоохранных расходов (в сопоставимых ценах; в процентах к предыдущему году) 0.474
Республика Саха (Якутия) Доля уловленных и обезвреженных загрязняющих атмосферу веществ в общем количестве отходящих загрязняющих веществ от стационарных источников (процентов) 0.551
Использование свежей воды (миллионов кубических метров) 0.315
Объем оборотной и последовательно используемой воды (миллионов кубических метров) 0.780
Расходы на охрану окружающей среды (в фактически действовавших ценах; миллионов рублей) 0.461
Индекс физического объема природоохранных расходов (в сопоставимых ценах; в процентах к предыдущему году) 0.645
Чукотский автономный округ Доля уловленных и обезвреженных загрязняющих атмосферу веществ в общем количестве отходящих загрязняющих веществ от стационарных источников (процентов) 0.390
Использование свежей воды (миллионов кубических метров) 0.020
Объем оборотной и последовательно используемой воды (миллионов кубических метров) 0.940
Расходы на охрану окружающей среды (в фактически действовавших ценах; миллионов рублей) 0.426
Индекс физического объема природоохранных расходов (в сопоставимых ценах; в процентах к предыдущему году) 0.940
В соответствии с методикой, изложенной выше и в [13; 11] для решения задачи «Определение подпрямого образа нечеткого множества» выполняется вычисления интегрального рейтинга для каждого субъекта
АЗРФ по комплексу выбранных показателей. Это вычисление для субъектов АЗРФ выполняется в соответствии со следующим формульным выражением:
Критериальный набоо пои знаков
(0,85; 0,85; 0,85; 0,85.; 0,85Н
Региональные рейтинги ГУ субъектов АЗРФ по каждому показателю
АО ЯНАО КК МО НАО РК РКо РС ЧАО 1
0,421 0,282 0,396 0,363 0,429 0,411 0,443 0,551 0,390
0,349 0,200 1,000 0,271 0,014 0,198 0,279 0,315 0,020
0,721 1,000 0,780 0,820 0,784 0,732 0,752 0,780 1,000
0,536 0,276 0,477 0,517 0,367 0,514 0,549 0,461 0,426
0,427 1,000 0,431 0,549 0,780 0,370 0,474 0,645 1,оооо]
Итоговые интегральные рейтинги субъектов АЗРФ (степень соответствия значений региональных рейтингов критериальному набору)
= (0,349 (АО); 0,200 (ЯНАО); 0,396 (КК); 0,271 (МО); 0,014 (НАО); 0,198 (РК); 0,279 (РКо); 0,315 (РС); 0,020 (ЧАО))
Чем ближе значение итогового интегрального рейтинга к единице (максимальное значение), тем в большей степени объект по своим свойствам соответствует установленному критериальному набору признаков.
Значения признаков критериального набора на 15 % ниже 1,00, что связано с особенностями используемого математического инструментария. Если значения у всех признаков критериального набора будут равны единице, то это нивелирует его влияние на результаты расчета. Незначительное снижение значений критериального набора принципиально не меняет соотношение итоговых интегральных оценок субъектов АЗРФ.
Таким образом, рейтинги субъектов АЗРФ по освоению земельных ресурсов и охране природной природной среды: 1. Красноярский край; 2. Архангельская область; 3. Республика Саха (Якутия); 4. Республика Коми; 5. Мурманская область; 6. Ямало-Ненецкий автономный округ; 7. Республика Карелия; 8. Чукотский автономный округ; 9. Ненецкий автономный округ.
Полученные результаты вполне объяснимы. Красноярский край получил наивысший рейтинг в области охраны окружающей среды вследствие того, что получает достаточное финансирование и государственную поддержку, благодаря своему стратегически важному геополитическому положению вблизи Северного морского пути и наличию портовых сооружений. Второе место занимает Архангельская область, которая также является важным субъектом Арктики, выступающим в качестве канала связи между западными рынками и российским Дальним Востоком. Эти два субъекта имеют высокую экономическую активность и получают от правительства значительное финансирование на охрану окружающей среды. На-
личие университетов и исследовательских центров, а также экспертов и специалистов в области экологической защиты в этих субъектах, также позволяет им проводить исследования в области охраны окружающей среды. Республика Саха (Якутия) является крупнейшим субъектом страны и получает значительное финансирование сферы экологии. Наличие большого количества научно-исследовательских институтов, работающих в области охраны окружающей среды, является преимуществом. Основной проблемой таких субъектов АЗРФ, как Республика Карелия, Чукотский автономный округ и Ненецкий автономный округ, является недостаток государственного финансирования.
Предлагаемая методика интегральной оценки достаточно разнородных факторов позволяет провести объективный анализ субъектов АЗРФ в области экологического баланса и охраны окружающей среды. Интегральная оценка позволяет не только выявить экологические проблемы отдельных субъектов АЗРФ, но и оценить эффективность их решения. Методика позволяет анализировать любое число факторов (параметров) без усложнения математического аппарата анализа.
Анализ показал, что особое внимание необходимо уделить таким субъектам, как Республика Карелия, Чукотский и Ненецкий автономные округа, посредством увеличения государственного финансирования сферы защиты окружающей среды. Предлагаемая методика оценки может быть выполнена на макроуровне с использованием широкого спектра разнородных социально-экономических показателей и может помочь в формулировании экологической политики в АЗРФ с учетом региональных нюансов и уникальности отдельных регионов.
Список источников
1. Ранжирование регионов арктической зоны российской федерации по индексу экологической безопасности // Север и рынок: формирование экономического порядка. 2020. № 69(3/2020). С. 17-40.
2. Борисов В. В., Круглов В. В., Федулов А. С. Нечеткие модели и сети. М.: Горячая линия - Телеком, 2007. 283 с.
3. Грейз Г М. К вопросу о возможностях трансфера инструментов теории нечетких множеств для информационно-аналитической поддержки логистического менеджмента // Вестник Южно-Уральского государственного университета. Серия Экономика и менеджмент. 2015. Т. 9. № 1. С. 170-177.
4. Дубов Ю. А., Травкин С. И., Якимец В. Н. Многокритериальные модели формирования и выбора вариантов систем. М.: Наука, 1986. 294 с.
5. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982. 432 с.
6. Кузьмин В. Б. Построение групповых решений в пространствах четких и нечетких бинарных отношений. М.: Наука, 1982. 168 с.
7. Модели и методы теории логистики: учеб. пособие / под ред. В. С. Лукинского. 2-е изд. СПб: Питер, 2008. 448 с.
8. Нечеткие множества и теория возможностей / пер. с англ.; под ред. Р. Р. Ягера, С. И. Травкина. М.: Радио и связь, 1986. 405 с.
9. Прикладные нечеткие системы / под ред. Т. Тэрано, К. Асаи, М. Сугэно. М.: Мир, 1993. 368 с.
10. Райфа Г Анализ решений. Введение в проблему выбора в условиях неопределенности / Г Райфа; под ред. С. В. Емельянова. М.: Наука, 1977. 406 с.
11. Ротштейн А. П. Нечеткий многокритериальный выбор альтернатив: метод наихудшего случая // Изв. РАН. Теория и системы управления. 2009. № 3. С. 51-55.
12. Степанько Н. Г, Степанько А. А., Ткаченко Г Г Возможные экологические последствия экономического развития северных территорий Дальнего Востока России // Арктика: экология и экономика. 2018. № 1(29). С. 26-36.
13. Ухоботов В. И. Избранные главы теории нечетких множеств: учеб. пособие. Челябинск: ЧГУ, 2011. 245 с.
14. Analysis of natural and climatic as well as road conditions in the territories of the Russian Arctic zone. Transportation Research Procedia. 2021. № 57. Рр. 63-69.
15. БГД. URL: https://gks.ru/bgd/regl/b20_14p/Main.html (дата обращения: 12.04.2023).
16. Glinskiy V., Serga L., Zaykov K. Identification Method of the Russian Federation Arctic Zone Regions Statistical Aggregate as the Object of Strategy Development and a Source of Sustainable Growth // Procedia Manufacturing. 2017. № 8. Рp.308-314.
17. Hanacek K., Kröger M., Scheidel A., Rojas F., Martinez-Alier J. On thin ice - The Arctic commodity extraction frontier and environmental conflicts. Ecological Economics. 2022. № 191. Р. 107247.
18. Makarova I., Mavrin V., Magdin K., Barinov A. Reducing Black Carbon Emissions in the Arctic Territories // Transportation Research Procedia. 2021. № 57. Рp. 356-362
19. Russkova I., Dolgikh N., Salkutsan V., Logvinova Y. Russia's Arctic is as an object of environmental monitoring // IOP Conference Series: Earth and Environmental Science. 2019. №302(1). Р. 012028..
20. SiteSoft. Регионы России. Социально-экономические показатели. URL: https://rosstat.gov.ru/folder/210/ document/13204 (дата обращения: 12.04.2023).
References
1. Ranking of the regions of the Arctic zone of the Russian Federation according to the environmental safety index. The North and the market: the formation of an economic order. 2020. No. 69(3/2020). Рp. 17-40.
2. Borisov V. V., Kruglov V. V., Fedulov A. S. Fuzzy models and networks. M.: Hotline - Telecom, 2007. 283 p.
3. Greiz G. M. On the question of the possibilities of transfer of fuzzy set theory tools for information and analytical support of logistics management. Bulletin of the South Ural State University. Economics and Management Series. 2015. Vol. 9. No. 1. Рp. 170-177.
4. Dubov Yu. A., Travkin S. I., Yakimets V. N. Multicriteria models of formation and choice of system variants. M.: Nauka, 1986. 294 p.
5. Kofman A. Introduction to the theory of fuzzy sets. Moscow: Radio and Communications, 1982. 432 p.
6. Kuzmin V. B. Construction of group solutions in spaces of clear and fuzzy binary relations. Moscow: Nauka, 1982. 168 p.
7. Models and methods of logistics theory: textbook. manual / edited by V. S. Lukinsky. 2nd ed. St. Petersburg: Peter, 2008. 448 p.
8. Fuzzy sets and the theory of possibilities / translated from English; edited by R. R. Yager, S. I. Travkin. M.: Radio and Communications, 1986. 405 p.
9. Applied fuzzy systems /edited by T. Terano, K. Asai, M. Sugeno. M.: Mir, 1993. 368 p.
10. Raifa G. Decision analysis. Introduction to the problem of choice in conditions of uncertainty / G. Raifa; edited by S. V. Emelyanov. M.: Nauka, 1977. 406 p.
11. Rotstein, A.P. Fuzzy multicriteria choice of alternatives: the worst case method. Izv. RAS. Theory and control systems. 2009. No. 3. Рp. 51-55.
12. Stepanko N. G., Stepanko A. A., Tkachenko G. G. Possible ecological consequences of economic development of the northern territories of the Russian Far East. Arctic: ecology and economics. 2018. No. 1(29). Рp. 26-36.
13. Ukhobotov V. I. Selected chapters of the theory of fuzzy sets: textbook. stipend. Chelyabinsk: ChSU, 2011. 245 p.
14. Analysis of natural and climatic as well as road conditions in the territories of the Russian Arctic zone. Transportation Research Procedia. 2021. No. 57. Pp. 63-69.
15. BGD. URL: https://gks.ru/bgd/regl/b20_14p/Main.html (accessed: 12.04.2023).
16. Glinskiy V., Serga L., Zaykov K. Identification Method of the Russian Federation Arctic Zone Regions Statistical Aggregate as the Object of Strategy Development and a Source of Sustainable Growth. Procedia Manufacturing. 2017. No. 8. Pp.308-314.
17. Hanacek K., Kröger M., Scheidel A., Rojas F., Martinez-Alier J. On thin ice - The Arctic commodity extraction frontier and environmental conflicts. Ecological Economics. 2022. No. 191. p. 107247.
18. Makarova I., Mavrin V., Magdin K., Barinov A. Reducing Black Carbon Emissions in the Arctic Territories. Transportation Research Procedia. 2021. No. 57. Pp. 356-362
19. Russkova I., Dolgikh N., Salkutsan V., Logvinova Y. Russia's Arctic is as an object of environmental monitoring. IOP Conference Series: Earth and Environmental Science. 2019. No.302(1). Р. 012028..
20. SiteSoft. Regions of Russia. Socio-economic indicators. URL: https://rosstat.gov.ru/folder/210/document/13204 (accessed: 12.04.2023).
Сведения об авторах
БОСЕ УПАСАК - аспирант кафедры менеджмента, Южно-Уральский государственный университет, Челябинск, Россия, [email protected]
ГРЕЙЗ ГЕОРГИЙ МАРКОВИЧ - доктор экономических наук, доцент, профессор кафедры менеджмента, Южно-Уральский государственный университет, Челябинск, Россия, [email protected]
КУЗМЕНКО ЮЛИЯ ГЕННАДЬЕВНА - доктор экономических наук, профессор, профессор кафедры менеджмента, Южно-Уральский государственный университет, Челябинск, Россия, [email protected]
Information about the authors
BOSE UPASAK - Postgraduate Student of the Department of Management, South Ural State University, Chelyabinsk, Russia, [email protected]
GREIZ GEORGE M. - Doctor of Economics, Associate Professor, Professor of the Department of Management, South Ural State University, Chelyabinsk, Russia, [email protected]
KUZMENKO YULIA G. - Doctor of Economics, Professor, Professor of the Department of Management, South Ural State University, Chelyabinsk, Russia, [email protected]
