CC BY
13
8. Rylnikova M. V., Strukov K. I., Radchenko D. N., Esina E. N. Digital transformation - a condition and basis for sustainable development of mining and technical systems // Mining industry. 2021. No. 3. pp. 74-78. DOI: 10.30686/1609-91922021-3-74-78.
9. Akhtaruzzaman M., Boubaker S., Umar Z. COVID-19 media cover-age and ESG leader indices // Finance Research Letters. 2021. p. 102170.
10. Conditions and problems of ensuring sustainable operation of mining enterprises during the pandemic / K.I. Strukov, Yu.I. Ryabov, M.V. Rylnikova, E.N. Yesina // Proceedings of Tula State University. Earth sciences. 2020. Issue 4. pp. 15-23.
11. Vostrikova E.O., Meshkova A.P. ESG-criteria in investing: foreign and domestic experience // Financial Journal. 2020. Vol. 12. No. 4. pp. 117-129.
12. Smirnov V.D. ESG risk management in commercial organizations // Managerial sciences. 2020. Vol. 10. No. 3. pp. 6-20.
УДК 332.145 + 338.242
ОЦЕНКА ЭКОЛОГИЧЕСКОГО СОСТОЯНИЯ РЕГИОНОВ ЦФО НА ОСНОВЕ ЭКОНОМИКО-МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ ПРИОРИТЕТНЫХ НАПРАВЛЕНИЙ ОХРАНЫ
ОКРУЖАЮЩЕЙ СРЕДЫ
Р.А. Жуков, Н.О. Козлова, Э.В. Хлынин, С.В. Городничев
Обоснована необходимость решения проблемы адаптации международных индикаторов и индексов к национальным условиям оценки влияния социально-экономических факторов состояния и воздействия на экологическую составляющую социоэколого-экономические системы региона.
Проведен анализ влияния факторов состояния и воздействия на показатели результативности, характеризующие экологическую составляющую для регионов Центрального федерального округа и Тульской области, рассматриваемых как социо-эколого-экономические системы. Для получения результатов анализа предложено использовать интегральный показатель оценки экологической составляющей социо-эколого-экономические системы, включающий в свой состав частные показатели, которые рекомендовано определять на основе использования регрессионной модели, построенной по данным официальной статистики в области состояния и охраны окружающей среды.
На основе статистических данных построены линейные регрессионные модели, охватывающие период с 2010 по 2020 г. Построенные регрессионные модели могут быть использованы для определения приоритетных направлений принятия решений по улучшению экологической ситуации в регионах. В результате проведенных исследований установлено, что для Тульской области, экологическое состояние которой - наихудшее в ЦФО, необходимо развивать безотходные производства, а также осуществлять строительство мусороперерабатывающего завода на территории области.
Ключевые слова: социоэколого-экономическая система, устойчивое экологическое развитие, регрессионная модель.
Введение
Жизнедеятельность человека напрямую зависит от его взаимодействия с окружающей средой. Это взаимодействие имеет встречную направленность. С одной стороны, человек может использовать природные ресурсы, но его деятельность нарушает устойчивость природной среды. С другой стороны, состояние климата, природные явления также оказывают влияние на человеческое общество, воздействуя на здоровье и, как следствие, - на продолжительность жизни, а в случае стихийных бедствий -непосредственно на численность человечества. Влияние как человека на природную среду, так и природной среды на человека может иметь и позитивный, и негативный характер. Следует отметить, что какой характер имеет воздействие со стороны человека на природную среду (позитивный или негативный), такой мы получаем и «ответ» со стороны природной среды (позитивный или негативный). Поскольку человечество не может отказаться от природных ресурсов и изменения природной среды при освоении новых территорий, то необходимо осуществлять мониторинг экологического состояния отдельных территорий, который в нашей стране, как правило, проводится по регионам. Целью мониторинга экологического состояния территорий является получение достоверной информации, которая может быть использована при принятии решений, направленных на поддержание экологического равновесия и повышение экологической устойчивости.
Целью настоящего исследования является изучение влияния социально-экономических факторов состояния и воздействия на экологическую ситуацию в Тульской области. При этом экологическая ситуация рассматривается как подсистема социоэколого-экономической системы региона (далее - СЭЭС).
1. Обзор исследований и современное состояние проблемы
Построение модели для оценки влияния социально-экономических факторов состояния и воздействия на экологическую составляющую СЭЭС региона требует отбора необходимых индикаторов. Исследования социально-экономических процессов опираются на данные официальной статистики, формируемой на национальных уровнях, данные специальных исследований, а также опросов. Первичные, или основные, данные представляют собой основание информационной пирамиды [6]. Далее основные данные характеризуют определенные процессы, на основе данных процессов формируются индикаторы систем. В зависимости от целей исследования могут применяться более агрегированные ключевые индикаторы и экологические индексы.
На глобальном уровне в области оценки экологической ситуации в отдельных странах используются целый ряд индексов. В 2015 г. ООН была принята Глобальная повестка дня в области устойчивого развития «Преоб-
разование нашего мира: Повестка дня в области устойчивого развития на период до 2030 года» [21], которая отмечает необходимость оценивания достижения 17 целей и решения для их достижения 169 задач в течение последующих 15 лет. В том числе выделена группа индикаторов устойчивого экологического развития, которые разделены на индикаторы воздействия (индикаторы - движущая сила), индикаторы текущего состояния и индикаторы реагирования. Индикаторы воздействия включают данные о деятельности человека, например, потребление воды на душу населения, использование удобрений, орошаемые земли, выбросы и т.п. Индикаторы текущего состояния в основном характеризуют запасы подземных вод, запасы древесины, концентрации вредных веществ в атмосфере, площади загрязненных земель и т.п. Индикаторы реагирования включают показатели природоохранных мероприятий, например, обработка сточных вод, площадь восстановленных земель, затраты на восстановление экосистем и др.
Система экологических индикаторов стран Организации экономического сотрудничества и развития также использует модель «Давление -Состояние - Реакции» для отбора индикаторов [20]. Хотя организация стремится включать в свою модель такие индикаторы, которые измеряются в большинстве стран, но все-таки их общее количество - 134 - не позволяет многим странам использовать эту модель.
Модели на основе экологических индикаторов для оценки экологической ситуации разрабатываются и на уровне отдельного региона или территории. В качестве примера можно привести модель испанских авторов Martínez-Fernández J., Banos-González I., Esteve-Selma M.A., использующую индикаторы, отражающие особенности Фуэртевентуры, в частности, количество туристов на одного жителя, соотношение между размещением туристов и постоянным населением, доля неестественных земельных образований, высококачественная пропорция растительности, местная агроэкосистема, индикатор чрезмерного выпаса скота, доля популяции египетского стервятника, доля местообитаний вихляев [18].
Помимо уже перечисленных, в международной практике используются индекс экологической уязвимости (Environmental Vulnerability Index -EVI), разработанный Южно-Тихоокеанской комиссией по прикладным наукам о Земле (SOPAC), Программой ООН по окружающей среде (ЮНЕП) с партнерами, экологический след, рассчитываемый Всемирной сетью экологического следа (Global Footprint Network), индекс «живой планеты» (ИЖП - Living Planet Index), публикуемый Всемирным фондом дикой природы (WWF) и другие.
Однако при адаптации международных индикаторов и индексов к национальным условиям возникают определенные проблемы, попытки решения которых находят отражение как на государственном уровне, так и в исследованиях ученых. Так, вопросы формирования соответствующих индикаторов для РФ рассматривались В.И. Булатовым и Н.О. Игенбаевой [5]
на уровне национальных индикаторов. Для Российской Федерации они предлагают использовать в качестве базовых такие показатели, как общий объем загрязнений на единицу ВНП, изменение площади неиспользуемых в хозяйстве земель и площадь ООПТ, а в качестве дополнительных - показатели выбросов парниковых газов, образования твердых радиоактивных отходов, нарушения баланса органического вещества в почвах, вылова рыбы, вывозки древесины, изменения структуры землепользования, лесопокрытой площади, прироста эродированных земель, вывода деградированных земель на консервацию, инвестиций, направленных на охрану окружающей среды.
Проблема заключается в том, что помимо отбора индикаторов и их содержания и интерпретации, приходится оценивать, насколько тот или иной индикатор соответствует целям оценки с точки зрения его вклада в результирующие показатели. Для решения рассматриваемой проблемы предлагаются разнообразные подходы, среди которых можно отметить: методику полимасштабной интегральной оценки экологического состояния регионов и городов России [13], методику усреднения характеристик [15]; анализ отдельных экологических составляющих [1]; метод потенциала поля для антропогенного воздействия [2, 3]; шкалирование [4]; методы оптимизации [10]. Следует отметить метод анализа среды функционирования (АСФ) [14], разработанный В.Е. Кривоножко и А.В. Лычевым [11] и являющийся аналогом метода анализа свертки данных Data Envelopment Analysis (DEA) [17].
На необходимость верификации данных официальной статистики при исследовании социально-экономических процессов обращают внимание С.П. Земцов, В.Л. Бабурин и В.А. Баринова [9]. Ими предложен алгоритм построения интегрального индекса, который включает 13 этапов. Помимо традиционного корреляционного и факторного анализа, предлагается осуществление гармонизации данных для обеспечения их сопоставимости посредством расчета всех показателей по отношению к одной базе, например, численности населения или площади территории. Кроме того, с целью снижения числа переменных вводится так называемый проверочный индикатор, который в наибольшей степени влияет на результирующий признак. Остальные индикаторы проверяются на корреляцию с проверочным индикатором. Все индикаторы, имеющие коэффициент корреляции с проверочным индикатором ниже |0,1| или выше |0,9|, из дальнейшего исследования исключаются. Благодаря предложенной методике удается выявить наиболее репрезентативные факторы.
2. Информационная база и методы исследования
В качестве информационной базы исследования были выбраны данные Федеральной службы государственной статистики РФ [16], доклад о состоянии окружающей среды [7], а также статистические сборники по охране окружающей среды в России [12] за 2010 - 2020 гг. В качестве ин-
дикаторов модели - показателей и результативности - использованы показатели официальной статистики, которые применяются для оценки антропогенного воздействия на окружающую среду и деятельности по сокращению этого воздействия. Каждый из индикаторов относится к одному из элементов аналитической схемы, включающей в себя движущие силы, давление, состояние, воздействие и реагирование, предложенное для описания и анализа состояния окружающей среды в РФ.
В приведенном исследовании авторы опирались на методику, представленную в работе [9], согласно которой интегральный показатель оценки экологической составляющей СЭЭС определяется по формуле [19]
4 ( ' )<
11гр« ■ у°.г (' )■ ук«(')
Р =1 «=1 (1)
т т \ \ \
III ■ Ук,р (/ )■ Уо« (/)
р=1 «=1
где г) - обобщенный показатель результативности; у°к{(г), У^(г) -фактические и нормативные значения стандартизованных результативных признаков к -го региона; г и г - соответствующие парные коэффициенты корреляции; г - параметр времени (г = 1,...,Т), ,(р ,«) = 1,..., т, т -
число результативных признаков, индекс «0» показывает, что проведена процедура нормализации (приведение к шкале от 0 до 1), причем после стандартизации
* • ( * ) * }
0 (Л ук,1 ~ тт\ук ,,' у к,, \
ук,1(г) = т~* • Г~* Уо" , (2)
таХ { Ук,г'Ук,г }- тт\ Ук,г'Ук,г }
) * ( * ) * }
) О/Ч - тт\ Ук,г,У*,г} т
тах\ Ук,,'К,,}- тт {Ук^'К,,}
г-, * ) *
Здесь уи , у*. - стандартизованные результативные признаки, определяемые по формулам
уk,i't)=Уьwí!,
ь )=^
где М(у (г)), М(У; (г)) , <(у (г)), У (г)) - математические ожидания
и среднеквадратические отклонения соответственно. Если £к(г)>1, то
функционирование системы можно рассматривать как удовлетворительное, в противном случае - неудовлетворительное.
Для формирования нормативов, под которыми авторы понимают
ожидаемые значения показателей результативности (частных индикаторов оценки) при известных факторах состояния и воздействия СЭЭС, были использованы аддитивные модели в стандартизованном виде, рассмотрение которых в динамике определяет траекторию устойчивого развития
к • X +ЁО,, ■ г* , (6)
3=1 5=1
где п - число факторов состояния; 5 - число факторов воздействия; С . , 5 - соответствующие весовые коэффициенты между , -м результативным и 3 -м и 5 -м стандартизованными факторами состояния х* и воздействия г* . При подстановке фактических значений х* и г* в (для к -
го региона можно получить конкретный норматив по формулам, аналогичным (4) и (5).
Коэффициенты моделей определяются с помощью пошагового метода наименьших квадратов.
При формировании интегрального (обобщенного) индикатора до проведения процедуры стандартизации частные показатели результативности негативного характера (например, выбросы загрязняющих веществ в атмосферный воздух) принимаются со знаком «-». Благодаря этому достигается однонаправленная оценка. Операция нормализации обеспечивает «одномасштабность» каждого из них. Связь между частными показателями результативности учитывается с помощью введенных в формулу (1) парных коэффициентов корреляции.
Для оценки граничных значений факторов состояния и воздействия используется соотношение
I = I ± р-1 ■ 5 ■ (1+[хг£ • ([хг]т • [хг])" ■ [хг]„ 2 , (7
где 5 - стандартная ошибка; к - точечный прогноз; ч - коэффициент, отвечающий за доверительную вероятность (определяется по таблице распределения Стьюдента); а - уровень значимости; п - число наблюдений; p - число параметров модели; [хг] - матрица входных параметров факторов состояния и воздействия; [ хг ] - вектор ожидаемых значений.
В предлагаемой модели группировка результативных признаков, отражающих количественно выраженные результаты функционирования экологической составляющей СЭЭС, осуществлена по трем группам [8]:
1. Состояние атмосферного воздуха:
1.1. Выбросы загрязняющих веществ от автотранспорта (передвижных источников) + стационарных источников, тыс. т.;
1.2. Улавливание загрязняющих атмосферу веществ, отходящих от стационарных источников, тыс. т.
м3;
2. Состояние водных ресурсов:
2.1. Использование свежей воды, млн м3;
2.2. Объем оборотной и последовательно используемой воды, млн
2.3. Сброс загрязненных сточных вод в поверхностные водные объекты, млн м3.
3. Формирование, размещение и использование отходов:
3.1 Объем образующихся отходов производства и потребления,
тыс. т.;
3.2. Объем размещения (хранения и захоронения) отходов, тыс.т.;
3.3. Объем использования и обезвреживания отходов, тыс. т.;
3.4. Интенсивность образования отходов (вывезено твердых коммунальных отходов на среднегодовую численность), м3/чел.
3. Результаты исследования
Для выбранных показателей результативности были построены модели в стандартизованном виде с использованием пошагового метода наименьших квадратов и статистических данных за 2010 - 2020 гг. [12, 16]
уп = 0.55445• х + 0.31899• х2 ; (8)
у12 = -0,9833 ■ х +1.16007 ■ х2 + 0.35339 ■ х3 ; (9)
у21 = 0.46166 ■ х4 + 0.43315 ■ х5 ; (10)
у22 = 0.87317 • х5 ; (11)
у23 = 0.1053 ■ х2 + 0.85999 ■ х4 ; (12)
У31 = 0.94351 ■ х6 ; (13)
У32 = 0.80949 • х6 ; (14)
Узз = 0.78986 ■ х6 + 0.06438■ х7 ; (15)
у34 = 0.4599 ■ х2 + 0.25914 ■ х8 , (16)
где - выбросы загрязняющих веществ от автотранспорта (передвижных источников) и стационарных источников, тыс. т; у - улавливание
загрязняющих атмосферу веществ, отходящих от стационарных источников, тыс. т; у - использование свежей воды, млн м3; у - объем оборотной и последовательно используемой воды, млн м3; у - сброс загрязненных сточных вод в поверхностные водные объекты, млн м3; у -объем образующихся отходов производства и потребления, тыс. т; у -объем размещения (хранения и захоронения) отходов, тыс. т; у - объем использования и обезвреживания отходов, тыс. т; у - интенсивность образования отходов (вывезено твердых коммунальных отходов на среднегодовую численность), м3/чел.; х1 - пассажирооборот: легковой автомобиль-
ный (оценка) и автобусы, млн пасс.-км; х2 - объем отгруженных товаров
собственного производства, выполненных работ и услуг собственными силами по видам экономической деятельности (всего), (в фактически действовавших ценах), млн руб.; х 3 - текущие (эксплуатационные) затраты на
охрану окружающей среды, тыс. руб.; х4 - среднегодовая численность
населения, тыс. чел. х5 - производство электроэнергии, млрд кВт; х6 -
объем (добыча пол ископаемых) отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по видам экономической деятельности (в фактически действовавших ценах), мл руб.; х -- текущие (эксплуатационные) затраты на охрану окружающей
среды; тыс. руб.; х8 - индекс промышленного производства в % к базисному году.
Оценка качества регрессионных моделей для заданного уровня значимости 0,05 представлена в табл. 1.
Таблица 1
Оценка качества регрессионных моделей (период наблюдения 2010 - 2020 гг.)
Модель Коэффициент детерминации Я2 Коэффициент множественной корреляции Я Стандартная ошибка Критерий Фишера Число степеней свободы
Ррасч Ркр
(8) 0,74666 0,86409 98,98898 271,1463 3,04504 184
(9) 0,40093 0,63319 317,7005 14,27723 2,74819 64*
(10) 0,52392 0,72383 434,5964 100,6963 3,04531 183
(11) 0,76242 0,87317 1000,849 590,4713 3,89249 184
(12) 0,92273 0,96059 67,81632 1098,682 3,04504 184
(13) 0,89022 0,94351 11105,2 1500,185 3,89222 185
(14) 0,65528 0,80949 8103,059 351,6661 3,89222 185
(15) 0,64044 0,80028 14780,91 163,871 3,04504 184
(16) 0,31920 0,56498 0,47646 43,13593 3,04504 184
Результаты расчета обобщенного показателя результативности и его составляющих для оценки экологического состояния регионов ЦФО в 2020 г. представлены в табл. 2.
Данные табл. 2 отражают состояние экологической ситуации в регионах ЦФО и ее компонентах. Если значение показателей больше единицы, то это свидетельствует о том, что в регионе достигнуты позитивные тенденции по данному направлению или в общем экологической составляющей СЭЭС. Значения меньше единицы свидетельствуют об имеющихся проблемах, носящих негативный характер.
Таблица 2
Показатели результативности и обобщенный показатель для регионов ЦФО в 2020 году
Область / показатель У11 У12 У21 У22 У23 У31 У32 У33 У34
Белгородская 1,072 0,971 1,062 3,533 1,076 4,406 0,000 0,325 1,229 1,095
Брянская 1,090 0,716 0,281 0,000 1,021 0,996 1,001 0,501 1,119 0,916
Владимирская 1,136 0,049 0,350 0,322 1,013 1,016 1,010 0,352 0,707 0,914
Воронежская 1,029 0,828 0,351 1,097 1,126 1,002 1,015 0,547 0,792 0,945
Ивановская 1,115 0,142 0,388 0,227 0,988 1,005 1,001 0,030 0,798 0,871
Калужская 1,213 0,079 0,831 0,358 1,003 1,014 1,013 0,503 1,402 1,041
Костромская 1,074 0,295 5,752 0,271 0,967 1,002 1,003 0,491 0,709 0,828
Курская 1,114 0,152 0,201 1,273 1,046 1,485 0,795 0,063 1,008 1,125
Липецкая 0,832 2,992 0,473 1,797 1,017 1,007 1,016 17,361 1,070 0,756
Московская 8,182 0,698 0,864 0,639 2,340 1,012 0,989 0,912 0,811 1,059
Орловская 1,090 0,101 0,000 3,083 0,970 0,984 1,001 1,452 1,110 0,889
Рязанская 1,091 2,092 0,540 0,721 0,998 1,001 1,000 0,584 0,447 0,818
Смоленская 1,070 1,961 0,107 1,160 0,996 0,999 1,003 0,819 0,852 0,891
Тамбовская 1,025 0,277 0,543 0,328 1,005 0,976 1,000 2,150 1,088 0,884
Тверская 1,095 0,771 1,056 0,941 1,021 0,996 0,998 0,316 0,881 0,897
Тульская 1,109 1,312 0,644 1,909 0,989 0,969 1,015 1,537 0,000 0,798
Ярославская 1,103 0,038 0,466 0,196 0,945 0,994 1,000 0,781 0,647 0,914
Например, в Тульской области в 2020 году проблемными являлись такие направления, как улавливание загрязняющих атмосферу веществ, отходящих от стационарных источников объем выбросов (0,644) и объем использования и обезвреживания отходов (0,000). Кроме того, Тульская область по обобщенному показателю результативности (0,798) занимает последнее место в ЦФО по состоянию окружающей среды, что соответствует данным и других исследований. По состоянию на 2020 г. наиболее благоприятная экологическая ситуация в ЦФО достигнута в Курской области (1,125), хотя и она не по всем направлениям достигла необходимых значений. Кроме Курской области, лидерами по экологической ситуации в ЦФО являются Белгородская, Калужская и Московская области, общий показатель результативности экологической составляющей СЭЭС у них выше единицы.
Состояние экологической составляющей СЭЭС регионов ЦФО иллюстрирует рисунок, на котором представлено как итоговое состояние, так и в качестве примера состояние по показателю «Улавливание загрязняющих атмосферу веществ, отходящих от стационарных источников».
Белгородская область Белгородская область
— • -2017 -2018 -2019 --2020 - . 2017 -2018 -- 2019 - • 2020
Состояние экологической составляющей СЭЭС в ЦФО: а - по обобщенному показателю результативности; б - улавливание загрязняющих атмосферу веществ, отходящих от стационарных источников
Как можно видеть, в улавливании загрязняющих веществ в течение 2017 - 2020 гг. происходили определенные «всплески» в отдельных регионах в отдельные годы, что отражает деятельность по данному направлению. Однако в целом, как показывает результирующий показатель, состояние экологической составляющей СЭЭС меняется медленно во всех регионах.
Для Тульской области, экологическое состояние которой наихудшее в ЦФО в связи с недостаточными усилиями по улавливанию загрязняющих атмосферу веществ, необходимо развитие безотходных производств, а также строительство мусороперерабатывающего завода на территории области.
Заключение
Проведенное исследование заключается в изучении состояния экологической составляющей СЭЭС. В качестве основных результатов можно выделить следующие положения.
Для оценки экологической составляющей СЭЭС регионов предлагается использовать обобщенный показатель результативности, формируемый на основе частных показателей. Каждый частный рассчитан на основе использования регрессионной модели, построенной по данным официальной статистики в области состояния и охраны окружающей среды.
Полученные результаты позволяют проводить сравнительную оценку регионов по экологической составляющей СЭЭС и отдельным фак-
торам и таким образом определить приоритетные направления, требующие принятия решений, направленных на улучшение экологической обстановки в регионах. Выбор приоритетного направления позволит использовать средства, направляемые на улучшение экологической ситуации, наиболее эффективным образом, поскольку именно вложения средств именно в эти направления принесут наибольший результат для улучшения экологической ситуации в регионах.
Исследование выполнено за счет гранта Российского научного фонда № 22-28-20061, https://rscf.ru/project/ 22-28-20061/ и Тульской области.
Список литературы
1.Битюкова В.Р., Шанин С.И. атмосферное загрязнение в средних городах России // Региональные исследования. 2018. № 1. С. 144-155.
2.Битюкова В.Р., Боровиков М.С. Экологическое состояние регионов России и Казахстана: возможности измерения и факторы дифференциации // Региональные исследования. 2016. № 4. С. 67-80.
3.Битюкова В.Р., Сафронов С.Г. Оценка экологической ситуации на территории России с использованием метода потенциала поля антропогенного воздействия // Известия РАН. Сер. «Географическая». 2015. № 5. С. 107-116.
4. Благовестова Т.Е. Экологическая устойчивость региона как составляющая качества среды жизни населения // Проблемы безопасности российского общества. 2013. № 2-3. С. 103-107.
5.Булатов В.И., Игенбаева Н.О. Разработка экологических индикаторов устойчивого развития на региональном уровне // Вестник Югорского государственного университета. 2008. Вып. 1 (8). С. 9-16.
6.Гридин В.Г., Чамкина Т.И. Показатели устойчивого развития и оценка с их помощью состояния окружающей среды Кузбасса // ГИАБ. 2007. № 12 [Электронный ресурс]. Режим доступа: https://cyberleninka. гц/аг11с1е/п/р0ка2а1е11-и810УсЬ1у0§0-га2у111Уа-1-018епка-8-1Ь-р0Ш08сЬУи-80810У-атУа-окгагЬаУШсЬеУ-вгеёУ-кигЬавва.
7. Государственный доклад «О состоянии и об охране окружающей среды Российской Федерации в 2018 году». М.: Минприроды России, НПП «Кадастр». 2019. 844 с. [Электронный ресурс]. Режим доступа: https://www.шnг.gov.гu/docs/o_sostoyanii_i_ob_okhгane_okгuzhayushchey_sгe dy_гossiyskoy_fedeгatsii/gosudaгstvennyy_dok1ad_o_sostoyanii_i_ob_okhгane_ okгuzhayushchey_sгedy_гossiyskoy_fedeгatsii_v_2018_/.
8. Жуков Р.А. Оценка состояния сложных систем на примере регионов Центрального федерального округа: эколого-экономический аспект // Региональные исследования. 2016. № 4 (54). С. 81-89.
9. Земцов С.П., Бабурин В.Л., Баринова В.А. Как измерить неизме-
римое? Оценка инновационного потенциала регионов России // Креативная экономика. 2015. № 1 (97). С. 35-52 [Электронный ресурс]. Режим доступа: http://www.creativeconomy.ru/journals/index.php/ce/article/ view/79/.
10. Иватанова Н.П. Эколого-экономическая оценка инновационного развития минерально-сырьевого потенциала на региональном уровне // Известия Тульского государственного университета. Науки о Земле. 2017. Вып. 1. С. 182-192.
11. Кривоножко В.Е., Лычев А.В. Анализ деятельности сложных социально-экономических систем. М.: Макс Пресс, 2010. 208 с.
12. Охрана окружающей среды в России. [Электронный ресурс]. Режим доступа: http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/ statistics/publications/catalog/doc_11.
13. Регионы и города России: интегральная оценка экологического состояния: монография; под ред. Н.С. Касимова. М.: ИП Филимонов М.В. 2014. 560 с.
14. Сальникова А.А. Оптимизация регионального эколого-экономи-ческого планирования с использованием анализа среды функционирования // Региональная экономика: теория и практика. 2017. Т. 15. № 10 (445). С. 1959-1974.
15. Третьякова Е.А., Осипова М.Ю. Сочетание статического и динамического подходов в оценке устойчивого развития региональных социально-экономических систем // Вестник Пермского университета. Сер. «Экономика». 2016. № 2 (29). С. 79-92.
16. Федеральная служба государственной статистики [Электронный ресурс]. Режим доступа: http://www.gks.ru/.
17. Charnes A., Cooper W. W., Rhodes E. Measuring the efficiency of decision making units // European Journal of Operational Research. 1978. 2 (6). Pp. 429-444.
18. Martínez-Fernández J., Banos-González I., Esteve-Selma M.A. An integral approach to address socio-ecological systems sustainability and their uncertainties// Science of the Total Environment 762. 2021 [Электронный ресурс]. Режим доступа: https://doi.org/10.1016/j.scitotenv.2020.144457.
19. Zhukov R.A. Economic Assessment of the Development Level of the Central Federal District Regions of the Russian Federation: Econometric Approach // Statistika. 2018. Vol. 98. No. 1. Pp. 53-68.
20. The OECD Env-Linkages Modelling Framework. OECD. 2013.
21. Transforming our World: The 2030 Agenda for Sustainable Development [Электронный ресурс]. Режим доступа: https: //sustainabledevelopment.un. org/post2015/transformingourworld/publication.
Жуков Роман Александрович, канд. физ.-мат. наук, доц., доц., pluszh@mail.ru, Россия, Тула, Тульский филиал Финансового университета при Правительстве РФ,
Козлова Надежда Олеговна, канд. техн. наук, ст. преподаватель,
95knoamail.ru, Россия, Тула, Тульский филиал Финансового университета при Правительстве РФ,
Хлынин Эдуард Валентинович, д-р экон. наук, проф., hklyninayanJex.ru, Россия, Тула, Тульский государственный университет,
Городничев Сергей Владимирович, канд. техн. наук, доц., доц., svgo-rodnichevafa.ru, Россия, Тула, Тульский филиал Финансового университета при Правительстве РФ
ASSESSMENT OF THE ECOLOGICAL STATE OF THE CENTRAL FEDERAL DISTRICT REGIONS BASED ON ECONOMIC AND MATHEMATICAL MODELING PRIORITY DIRECTIONS OF PRESERVATION OF THE ENVIRONMENT
R.A. Zhukov, N.O. Kozlova, E.V. Khlynin, C.V. Gorodnichev
Necessity of the decision of a problem of adaptation of the international indicators and indexes to national conditions of an estimation of influence of socio-economic factors of a condition and influence on an ecological component socio-ecological and economic systems of region is proved.
The analysis of influence offactors of a condition and influence on the parameters of productivity describing an ecological component for regions of the Central federal district and the Tula area, considered as socio-ecological and economic systems is lead. For reception of results of the analysis it is offered to use an integrated parameter of an estimation ecological making socio-ecological and economic systems, including in the structure private parameters which are recommended for defining on the basis of use regression model constructed according to official statistics in the field of a condition and preservation of the environment.
On the basis of the statistical data are constructed linear regression models covering the period with 2010 on 2020. Constructed regression models can be used for definition of priority directions of decision-making on improvement of an ecological situation in regions. As a result of the lead researches it is established, that for the Tula area which ecological condition the worst in central federal district, is necessary to develop without waste manufactures, and also to carry out construction processing dust a factory in territory of area.
Key words: socio-ecological-economic system, sustainable ecological development, regression model.
Zhukov Roman Aleksandrovich, candidate of physical and mathematical sciences, docent, associate professor, pluszh@mail.ru, Russia, Tula, Financial University under the Government of the Russian Federation (Tula Branch),
Kozlova Nadezhda Olegovna, candidate of technical sciences, senior lecturer, 95kno@mail.ru, Russia, Tula, Tula branch of the Financial University under the Government of the Russian Federation,
Khlynin Eduard Valentinovich, doctor of economics, professor, hklyninayandex.ru, Russia, Tula, Tula State University,
Gorodnichev Sergey Vladimirovich, candidate of technical sciences, associate professor, associate professor, svgorodnichev@fa.ru, Russia, Tula, Tula Branch of the Financial University under the Government of the Russian Federation
Reference
1. Bityukova V.R., Shanin S.I. atmospheric pollution in the middle cities of Russia // Regional studies. 2018. No. 1. pp. 144-155.
2. Bityukova V.R., Borovikov M.S. Ecological state of the regions of Russia and Kazakhstan: measurement possibilities and differentiation factors // Regional studies. 2016. No. 4. pp. 67-80.
3. Bityukova V.R., Safronov S.G. Assessment of the ecological situation on the territory of Russia using the method of the potential of the field of anthropogenic impact // Izves-tia RAS. Ser. Geographical. 2015. No. 5. pp. 107-116.
4. Blagovestova T.E. Ecological sustainability of the region as a component of the quality of the living environment of the population // Security problems of the Russian society. 2013. No. 2-3. pp. 103-107.
5. Bulatov V.I., Igenbaeva N.O. Development of ecological indicators of sustainable development at the regional level // Bulletin of the Ugra State University. 2008. Issue 1 (8). pp. 9-16.
6. Gridin V.G., Chamkina T.I. Indicators of sustainable development and assessment of the state of the environment of Kuzbass with their help // GIAB. 2007. No. 12. [Electronic resource]. Access mode: https://cyberleninka . ru/article/n/pokazateli-ustoychivogo-razvitiya-i-otsenka-s-ih-pomoschyu-sostoy-aniya-okruzhayuschey-sredy-kuzbassa.
7. State report "On the state and environmental protection of the Russian Federation in 2018". Moscow: Ministry of Natural Resources of Russia, NPP "Cadastre". 2019. 844 p. [electronic resource]. Access mode: https://www.mnr.gov.ru/docs/o_sostoyanii_i_ob_okhrane_okruzhayushchey_sredy_rossiysko y_federatsii/gosudarstvennyy_doklad_o_sostoyanii_i_ob_okhrane_okruzhayushchey_sredy_r ossiyskoy_federatsii_v_2018_/
8. Zhukov R.A. Assessment of the state of complex systems on the example of the regions of the Central Federal District: ecological and economic aspect // Regional studies. 2016. No. 4 (54). pp. 81-89.
9. Zemtsov S.P., Baburin V.L., Barinova V.A. How to measure immeasurable? Assessment of the innovative potential of the regions of Russia // Creative Economy. 2015. No. 1 (97). pp. 35-52. [electronic resource]. Access mode: http://www.creativeconomy.ru/journals/index.php/ce/article / view/79/.
10. Ivatanova N.P. Ecological and economic assessment of innovative development of mineral resource potential at the regional level // Izvestiya Tula State University. Earth sciences. 2017. Issue 1. pp. 182-192.
11. Krivonozhko V.E., Lychev A.V. Analysis of the activities of complex socioeconomic systems. M: Max Press. 2010. 208 p.
12. Environmental protection in Russia. [electronic resource]. Access mode: http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru / statistics/publications/ cata-log/doc_11.
13. Regions and cities of Russia: integral assessment of the ecological state: monograph; edited by N.S. Kasimov. M.: IP Filimonov M.V. 2014. 560 p.
14. Salnikova A.A. Optimization of regional ecological and economic planning using the analysis of the functioning environment // Regional economy: theory and practice. 2017. Vol. 15. No. 10 (445). pp. 1959-1974.
15. Tretyakova E.A., Osipova M.Yu. Combination of static and dynamic approaches in assessing the sustainable development of regional socio-economic systems // Bulletin of Perm University. Ser. Economy. 2016. No. 2 (29). pp. 79-92.
16. Federal State Statistics Service [Electronic resource]. Access mode: http://www.gks.ru /.
17. Charns A., Cooper U. U., Rhodes E. Measuring the effectiveness of decisionmaking units // European Journal of Operational Research. 1978. 2 (6). pp. 429-444.
18. Martinez-Fernandez J., Banos-Gonzalez I., Esteve-Selma M.A. An integrated approach to solving the problem of sustainability of socio-ecological systems and their uncertainties // Science of the general environment 762. 2021 [Electronic resource]. Access mode: https://doi .org/10.1016/j. scitotenv.2020.144457.
19. Zhukov R.A. Economic assessment of the level of development of the regions of the Central Federal District of the Russian Federation: econometric approach // Statistics. 2018. Volume 98. No. 1. pp. 53-68.
20. The OECD Environmental Relations Modeling System. OECD. 2013.
21. Transforming Our World: The 2030 Agenda for Sustainable Development [Electronic resource]. Access mode: https://sustainabledevelopment. un.org/post2015/ transform-ingourworld/ publication .
