Научная статья на тему 'ОЦЕНКА ЭКОЛОГИЧЕСКОГО СОСТОЯНИЯ ТУЛЬСКОЙ ОБЛАСТИ НА ОСНОВЕ БАЙЕСОВСКИХ ИНТЕЛЛЕКТУАЛЬНЫХ ИЗМЕРЕНИЙ'

ОЦЕНКА ЭКОЛОГИЧЕСКОГО СОСТОЯНИЯ ТУЛЬСКОЙ ОБЛАСТИ НА ОСНОВЕ БАЙЕСОВСКИХ ИНТЕЛЛЕКТУАЛЬНЫХ ИЗМЕРЕНИЙ Текст научной статьи по специальности «Экономика и бизнес»

CC BY
13
1
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
социо-эколого-экономическая система / экология / устойчивое экологическое развитие / байесовские интеллектуальные технологии / нечеткая модель / socio-ecological-economic system / ecology / sustainable ecological development / Bayesian intelligent technologies / fuzzy model

Аннотация научной статьи по экономике и бизнесу, автор научной работы — Жуков Роман Александрович, Прокопчина Светлана Васильевна, Хлынин Эдуард Валентинович

Проведены оценка экологического состояния Тульской области и динамика его изменения по базовым экологическим показателям с использованием методологии байесовских интеллектуальных измерений, дающей возможность работать в условиях неопределенности, на основе открытых данных за 2007–2022 гг. Построенная информационная иерархическая модель позволила выявить положительные и негативные тенденции в области экологической ситуации региона. Отмечена существующая тенденция улучшения экология Тульской области, для которой характерны проблемы, связанные с использованием свежей воды, объемом оборотной и последовательно используемой воды, объемом образующихся отходов производства и потребления. Установлена необходимость пересмотра размера платежей на охрану окружающей среды. Результаты исследования могут быть использованы органами управления Тульского региона в области экологии и природопользования с целью разработки мероприятий, направленных на улучшение экологической ситуации в контексте устойчивого развития субъектов Российской Федерации.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по экономике и бизнесу , автор научной работы — Жуков Роман Александрович, Прокопчина Светлана Васильевна, Хлынин Эдуард Валентинович

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

ASSESSMENT OF THE ECOLOGICAL STATE OF THE TULA REGION BASED ON BAYESIAN INTELLIGENT MEASUREMENTS

The assessment of the ecological state of the Tula region and the dynamics of its changes according to basic environmental indicators using the methodology of Bayesian intelligent measurements, which makes it possible to work in conditions of uncertainty, based on open data for 2007-2022. The constructed information hierarchical model made it possible to identify positive and negative trends in the environmental situation of the region. The existing trend of improving the ecology of the Tula region has been identified, which is characterized by problems related to the use of fresh water, the volume of recycled and consistently used water, the volume of generated production and consumption waste. The need to review the amount of payments for environmental protection has been established. The results of the study can be used by the management bodies of the Tula region in the field of ecology and nature management in order to develop measures aimed at improving the environmental situation in the context of sustainable development of the subjects of the Russian Federation.

Текст научной работы на тему «ОЦЕНКА ЭКОЛОГИЧЕСКОГО СОСТОЯНИЯ ТУЛЬСКОЙ ОБЛАСТИ НА ОСНОВЕ БАЙЕСОВСКИХ ИНТЕЛЛЕКТУАЛЬНЫХ ИЗМЕРЕНИЙ»

16. Valiev N.G. Huseynov G.S. Efendieva Z.J. Some typological features of native gold of Dagkesaman pyrite-polymetallic deposit and their practical significance // Izvestiya Tula State University. Earth sciences. 2023. Issue 1. C.348-359.

17. Huseynov G.S., Efendieva Z.J. Gold content of Dagkesaman pyrite-polymetallic deposit (Small Caucasus) // Mining Journal. 2024. No. 4. pp. 89-94.

18. Efendieva Z.J. Huseynov G.S., Valiev N.G. Typomorphic features of native gold in the ores of pyrite and pyrite-polymetallic deposits of the Lok-Garabakh structural and formation zone and their practical significance // Izvestiya Tula State University. Earth Sciences. 2024. Issue 1. C. 135-144.

19. Petrovskaya N.V. Native gold M.: Nauka. 1973, 347 (232-236).

20. Lantsev I.P., Denisova L.K. Elements of impurity in gold. M.: Proceedings of VIMS 10976, 41 p.

УДК 502:332.145:338.242

ОЦЕНКА ЭКОЛОГИЧЕСКОГО СОСТОЯНИЯ ТУЛЬСКОЙ ОБЛАСТИ НА ОСНОВЕ БАЙЕСОВСКИХ ИНТЕЛЛЕКТУАЛЬНЫХ ИЗМЕРЕНИЙ

Р.А. Жуков, С.В. Прокопчина, Э.В. Хлынин

Проведены оценка экологического состояния Тульской области и динамика его изменения по базовым экологическим показателям с использованием методологии байесовских интеллектуальных измерений, дающей возможность работать в условиях неопределенности, на основе открытых данных за 2007-2022 гг. Построенная информационная иерархическая модель позволила выявить положительные и негативные тенденции в области экологической ситуации региона. Отмечена существующая тенденция улучшения экология Тульской области, для которой характерны проблемы, связанные с использованием свежей воды, объемом оборотной и последовательно используемой воды, объемом образующихся отходов производства и потребления. Установлена необходимость пересмотра размера платежей на охрану окружающей среды. Результаты исследования могут быть использованы органами управления Тульского региона в области экологии и природопользования с целью разработки мероприятий, направленных на улучшение экологической ситуации в контексте устойчивого развития субъектов Российской Федерации.

Ключевые слова: социо-эколого-экономическая система, экология, устойчивое экологическое развитие, байесовские интеллектуальные технологии, нечеткая модель.

Введение. Состояние окружающей среды (ОС) определяет здоровье населения, его продолжительность жизни. С другой стороны, антропогенное воздействие человека на природу изменяет ее состояние (позитивное и негативное). Понятно, что без использования ресурсов, воздействия на атмосферный воздух, водные и земельные ресурсы, а также образования продуктов жизнедеятельности (отходов) невозможно обеспечить социально-экономический рост субъектов Российской Федерации, развивать про-

мышленное и сельскохозяйственное производство и улучшать благополучие современного общества. В настоящее время существует нормирующий документ «Временная методика определения предотвращенного экологического ущерба» [1]. Однако проблема оценки «приемлемого» экологического ущерба и его последствий в долгосрочной перспективе остается открытой. Современный подход к экологическому нормированию определяется набором норм и стандартов. Для атмосферного воздуха это предельно допустимые концентрации (ПДК), предельно допустимые выбросы (ПДВ), временно согласованные выбросы (ВСВ) и ориентировочно безопасные уровни воздействия (ОБУВ); для водных ресурсов - предельно допустимые сбросы (ПДС) и ПДК; для земельных ресурсов - ПДК; для отходов определяется их класс опасности в зависимости от степени вредного воздействия на окружающую природную среду (ОПС) [2]. Набор нормативов определяет систему нормирующих показателей, являющихся основой для регулирования природопользования на базе экономического механизма, устанавливающего размер платежей за использование природных ресурсов, выбросы и сбросы загрязняющих веществ в окружающую среду, размещение и захоронение отходов и т.п. На региональном уровне изучение соответствия (взаимосвязи) платы за воздействия на окружающую среду, характеризующиеся экологическими показателями [3], наряду с оценкой динамики таких показателей (частных и интегральных) на базе мезоэкономических (на уровне субъектов Российской Федерации, в том числе Тульской области) [4] нормативов (методика их определения в настоящее время до конца не проработана) является важной научной проблемой, определившей цель исследования. Кроме того, существует множество влияющих на ОС факторов, которые в силу объективных причин не могут быть учтены при оценке состояния окружающей среды (неполнота, неточность данных), что приводит к необходимости работать в условиях неопределенности и использовать современные подходы, в том числе основанные на методологии байесовских интеллектуальных измерений (БИИ) [5], хорошо зарекомендовавшей себя в прикладных исследованиях [6-9].

Тульская область характеризуется развитым промышленным производством, что существенно влияет на состояние окружающей среды региона. Следовательно, экологическая оценка и мониторинг экологических показателей являются актуальными, что подтверждается включением индикатора качества окружающей среды в перечень критериев эффективности деятельности губернаторов субъектов Российской Федерации [10].

Таким образом, целью исследования является оценка экологического состояния Тульской области на базе методологии байесовских интеллектуальных измерений и оценка взаимосвязи затрат на охрану окружающей среды с ключевыми экологическими показателями.

Проблемами оценки экологического состояния и мониторинга эко-

логических показателей, формированием интегральных индексов окружающей среды в рамках глобальной повестки ООН в контексте устойчивого развития [11] занимаются ряд признанных международных организаций, в том числе Организация экономического сотрудничества и развития [12], Тихоокеанская региональная программа по окружающей среде (SPREP) [13], Программа ООН по окружающей среде (ЮНЕП) [14], Всемирный Фонд Дикой Природы (WWF) [15], Министерство природных ресурсов и экологии Российской Федерации (Минприроды России) [16] совместно с Федеральной службой государственной статистики Российской Федерации [17] и ряд других.

Построению частных и интегральных показателей оценки экологического состояния территорий, в том числе на базе экономико-математического моделирования, посвящены работы Martínez-Fernández J. и др. [18], Wang Zh. и др. [19], Иватановой Н.П. [20], Мингалевой Ж.А. и др. [21], Жуковым Р. А. и др. [22] и ряда других авторов.

В рамках исследования будем опираться на методологию БИИ [5] и рассматривать Тульскую область в контексте социо-эколого-экономи-ческой системы (СЭЭС), ее экологической подсистемы [22].

Материалы и методы. В качестве информационной базы исследования были выбраны открытые данные Федеральной службы государственной статистики РФ [17], данные Туластат [23], а также информация из Единой межведомственной информационной статистической системы (ЕМИСС) [24] за 2011-2022 гг. В качестве индикаторов модели (экологической подсистемы) - показатели, которые применяются для оценки антропогенного воздействия на окружающую среду и деятельности по сокращению этого воздействия.

Каждое из значений i показателя q(i)(t) в определенный период времени t представляется в виде нечеткого числа, характеризуемого набором значений и соответствующими им вероятностями, определяемыми по формуле Байеса [25],

P(H | S) = P(HJP(S | Hi) / ¿P(Hi)P(S | H), (1)

i—1

где Hi - i-е эталонное распределение; P(Hi) - априорная вероятность появления H-го эталонного распределения; Sc -событие, заключающееся в совместном появлении значений оценок индикатора; P(S|H) - апостериорная вероятность совместного появления значений индикаторов при условии справедливости гипотезы H; k - количество классов эталонных гипотез.

Тогда результат измерения представляется на числовой и лингвистической шкалах, последняя из которых разделена на 9 классов (предельно ниже нормы, критически ниже нормы, значительно ниже нормы, ниже нормы, норма, выше нормы, значительно выше нормы, критически выше нормы, предельно ниже нормы) (рис. 1).

а (Выбросы загрязняющих

т стационарных

« +0. = V

[а (Выбросы загрязняющих веществ в атмосферный воздух, отходящих от стационарных источников, тыс. т)

С.30 . 0.25 С 0.20 I" е. 15

0.10

Знач ительно ниже н

Критически ниже ч—

Норма

Предельно иже но

Выше норм цшпельно вш&РШ ЯЙИ,«Ш,ЦВ№ о выше нормы

75 100 125 150 175 200 225

Рис. 1. Представление показателя «Выбросы загрязняющих веществ, отходящих от стационарных источников» (тыс. т) в виде нечеткого

числа в Тульской области в 2022 г.

Набор показателей характеризует одну из подсистем

рассматриваемого объекта более высокого уровня с использованием интегрального индикатора (/'У/Л определяемого байесовской сверткой «*» [26],

V1(^,-1 I 1> I Уи-г)Р(К,< I {ЩАI

р(ар Ч к г, |{ щ, , }| гк ,,) = ■

к

Е^С VI 1>I I {Мхи\ I Ги)

м

(2)

где Ик( - список результатов или значимых альтернативных решений из

множества решений НК,Г (к=\,..,К) (в данном случае, £/(г)(/)); Икг - их оценка;

Хц - набор данных из множества Хц (/=1,..,Т) или набор числовых или лингвистических переменных, отражающих свойства атрибутов; У^ - условия реализации измерения, включающие в себя множество метрологических требований {МХ}, множество априорной информации А и ограничений и допущений О; а - обозначение априорной оценки параметра; ар - обозначение апостериорной оценки параметра; к - индекс гипотезы (репера) на шкале фактора; / - время.

Для свертки двух показателей и формирования интегрального показателя (обозначение (ш)) используется формула [26]

Р(ар)(Ик, | {МХк,} | Ук,,)Р(ар)(к], | {Мх],} | У,)

(К, | Ъ, у

к 3

Х^Р(ар)(к, < | {МХк,} | Ук, )Р(ар)( Ъ, | {Мх],} | у,)

к=1 ] =1

где к, 3 - значимые альтернативные значения для первого и второго показателей соответственно.

Свертка нескольких подсистем в объект посредством байесовской

свертки дает информацию о модели объекта (в данном случае экологической подсистемы) [26]:

^(System~) _ ^(Subsysteml~) ^ ^^^Subsystem2) ^ ^ G~^(SubsystemN) (4)

Таким образом формируется информационная иерархическая модель объекта (экологической подсистемы СЭЭС), описываемая набором частных и интегральных факторов.

Для оценки взаимосвязи между экологическими показателями и затратами на охрану окружающей среды будем использовать парный коэффициент корреляции.

Экологическая подсистема была разделена на три подсистемы, характеризующие атмосферу, водные ресурсы и обращение с отходами. Земельные ресурсы не рассматривались.

В качестве экологических показателей были использованы следующие.

1. Состояние атмосферного воздуха (у1).

1.1. Выбросы загрязняющих веществ, отходящих от стационарных источников, тыс. т (негативный фактор) (у11);

1.2. Улавливание загрязняющих атмосферу веществ, отходящих от стационарных источников, тыс. т (положительный фактор) (у12).

2. Состояние водных ресурсов (уД

2.1. Использование свежей воды, млн м3 (положительный фактор)

(У21);

2.2. Сброс загрязненных сточных вод в поверхностные водные объекты, млн м3 (негативный фактор) (у22);

2.3. Объем оборотной и последовательно используемой воды, млн м3. (положительный фактор) (у23).

3. Формирование, размещение и использование отходов (у3).

3.1. Объем образующихся отходов производства и потребления, тыс. т. (негативный фактор) (у31);

3.2. Объем размещения (хранения и захоронения) отходов, тыс. т. (негативный фактор) (у32);

3.3. Объем использования и обезвреживания отходов, тыс. т. (положительный фактор) (у33).

Нормы для выбранных показателей выбирались как средние за рассматриваемый период (2007-2022 гг. для подсистем «воздух» и «вода»;

2010- 2022 гг. для подсистемы «отходы»).

Для оценки затрат на охрану окружающей среды были рассмотрены текущие (эксплуатационные) затраты на охрану окружающей среды, тыс. руб. соответственно в области атмосферного воздуха, водных ресурсов и обращения с отходами в двух вариантах: в текущих ценах и ценах, скорректированных (сопоставимых) на уровень инфляции и приведенных к 2007 году, обозначение соответственно х11; х12, х21, х22, х31, х32 (данные за

2011-2022 гг.).

В качестве инструментальных средств использованы программный комплекс «Инфоаналитик 2.0» (для формирования и оценки экологического состояния и динамики Тульской области) [27] «ЭФРА» (для оценки корреляционной зависимости) [28].

Результаты. Иерархическая информационная модель экологической подсистемы Тульской области с данными для 2022 г. представлена в виде инфограммы (когнитивной графики) на рис. 2.

V Ш Экологическая подсистема

^ Ш # # # Воздух

Ш ФФ • Выбросы загрязняющих веществ в атмосферный воздух, отходящих от стационарных источников, тыс. т

Ш ф • Улавливание загрязняющих атмосферу веществ, отходящих от стационарных источников, тыс. т

V ш ф # Вода

Ш ф • Использование свежей воды, млн мЗ

И • • Сброс загрязненных сточных вод в поверхностные водные объекты, млн мЗ

И фф Объем оборотной и последовательно используемой воды, млн мЗ

^ Ш # Ф Обращение с отходами

В] • Ф Объем образующихся отходов производства и потребления, тыс. т

• # Ф Объем размещения отходов, тыс. т

Ш • Ф Объем использования и обезвреживания отходов, тыс. т

Рис. 2. Иерархическая информационная модель экологической подсистемы Тульской области с данными для 2022 г.

Цвет кружков характеризует наиболее вероятные состояния элементов и подсистем экологической подсистемы СЭЭС в соответствии с палитрой, представленной на лингвистической шкале (см. рис. 1).

Для экологической подсистемы в целом наиболее вероятные состояния не определены, поскольку они лежат ниже установленного в 15 % (0.15) порога значимости, но все же больше в области норма и выше нормы (рис. 3).

0.175 0,150

. 0125 g

¡§ 0.100

I Ж

0.050 0.025 0.000

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

О 2 4 6 S 10

Рис. 3. Оценка состояния экологической подсистемы Тульской области

в 2022 г.

Динамика соответствующих показателей представлена на рис. 4-6.

Апостериорная лингвистическая шкала (Экологическая подсистема)

_ Ниже ШЗДМЫ Норма Выше нормы Критически выше нормы

значительно выше нормы Предельно выше нормы

Значительно ниже и

Критически ниже нормы

Предельно ниже но

Дан

в

Рис. 4. Динамика экологической подсистемы (атмосферный воздух)

Тульской области

Как видно из рис. 4, динамика состояния атмосферного воздуха (рис. 4,а) имеет положительную тенденцию, причем объем выбросов снижается (рис. 4,б), а улавливание загрязняющих веществ в атмосферный воздух в 2013 - 2016 гг. и 2018-2019 гг. возрастало (рис. 4в). Снижение объема уловленных загрязняющих атмосферу веществ вероятно связано со некоторым снижением объема выбросов, а также мероприятиями, проводимыми на предприятиях Тульского региона в области охраны атмосферного воздуха, возможным внедрением новых технологий, а также некоторым снижением объема производства по видам деятельности А «Сельское хозяйство» (в 2021 и 2022 гг.) и Б «Обрабатывающая промышленность» (в 2022 г.) по ОКВЭД 1. Оценивался объем валового регионального продукта по соответствующим разделам, скорректированным на уровень инфляции и приведенным к уровню 2007 года.

С 2010 по 2017 гг. и в 2019 - 2020 гг. состояние водных ресурсов в Тульской области оценено как норма (рис. 5,а) и ниже нормы в 2021 и 2022 гг., что прежде всего связано с уменьшением использования свежей воды (рис. 5,б), снижением объема оборотной и последовательно используемой воды (рис.5,г, смещение нижней границы показателя) на фоне сни-

жения (что является благоприятной тенденцией) сброса загрязненных сточных вод в поверхностные водные объекты. Это может быть связано как с изменением объемов производства, так и снижением численности населения в регионе.

Дшшшка (Вода)

А /

\ / \

—1 А А \

Динамика (Использованиесвсжсй воды, млн мЗ)

2008 201» Л12 2014 2010 201» 2020 2022

»10 9)12 МИ 2016 Я>1Я 2021) 2022

а

б

Динамика (Объем оборотной н

льзуемой воды, млн ыЗ)

•— \ ки ( Ьрос эагр» ■ОД 11 поверит

\ \ \

\ \ А \

\ —.— \ ( \ \ \- \ (I)

\— \ \- \

> него уровня 1ишп1

д

Д

\ А

\ /

А

■ \ А А -9- Ммныаш \ испэ уровня Утдп13(1| 5олсс всроетн га Уткни ней урони УпшВД

в г

Рис. 5. Динамика экологической подсистемы (водные ресурсы)

Тульской области

В последние годы (2019-2022 гг.) обращение с отходами имеет благоприятную динамику (рис. 6,а) за счет снижения объема размещения отходов (рис. 6,в), увеличения объема использования и обезвреживания отходов (рис. 6,г) на фоне негативной динамики увеличения объема образующихся отходов производства и потребления (рис. 6,б). Последняя тенденция может быть связана как с изменением технологии производства, так и увеличением отходов потребления со стороны населения Тульской области.

В 2022 г. экологическая ситуация была оценена по большей части в области норма и выше нормы (см. рис. 3), когда дополнительных мероприятий по улучшению показателя не требуется. Тем не менее можно рекомендовать усилить влияние факторов «Использование свежей воды»; «Объем оборотной и последовательно используемой воды»; «Объем ис-

пользования и обезвреживания отходов» и снизить влияние фактора «Объем образующихся отходов производства и потребления».

Дни™ (Мртпятс с лташ) д„„„„ №=. Ыфвртщв* пр»™™ . трй™.. ,|

в г

Рис. 6. Динамика экологической подсистемы (обращение с отходами)

Тульской области

Для получения количественных характеристик и разработки соответствующих мероприятий можно воспользоваться многоуровневым оптимизационным подходом [29].

Результаты корреляционного анализа экологических показателей со стоимостными факторами (затраты на охрану окружающей среды) представлены в табл.1.

Как видно из табл. 1, большинство коэффициентов оказались незначимыми, что может означать несоответствие затрат на охрану окружающей среды и результатов природоохранных мероприятий. Значимыми оказались коэффициенты между объемом образующихся отходов производства и потребления и затратами на обращение с отходами, хотя ожидалась обратная статистическая связь, а также связь между аналогичными затратами и объемом использования и обезвреживания отходов. Причем скорректированные на уровень инфляции затраты дают меньшие значения корреляционных коэффициентов, по сравнению с показателями в текущих ценах, что означает некорректный подход к формированию платежей в области обращения с отходами. Полученные результаты могут служить ос-

нованием для пересмотра нормативов и платежей, направленных на охрану окружающей среды.

Таблица 1

Значения парных коэффициентов корреляции между экологическими

показателями и стоимостными факторами _ (период наблюдения 2011 - 2022 гг.)__

Показатель / фактор Х11 Х12 Х21 Х22 Х31 Х32

Атмосфе эный воздух

У11 0,165 0,252 - - - -

У12 0,386 0,351 - - - -

Водные ресурсы

У21 - - -0,366 0,469 - -

У22 - - 0,051 0,406 - -

У23 - - -0,369 0,532 - -

Обращение с отходами

У31 - - - - 0,770* 0,499*

У32 - - - - -0,249 -0,249

Узз - - - - 0,831* 0,586*

Примечание: *- значим на уровне 0,05 (критерий Стьюдента).

Выводы. В условиях неопределенности при оценке экологического состояния субъектов Российской Федерации целесообразно использовать методологию байесовских интеллектуальных измерений, дающих возможность построить информационную иерархическую модель экологической подсистемы и оценить экологическое состояние (в том числе в динамике) регионов как в целом, так и по отдельным показателям с использованием современных инструментальных средств.

В исследовании показано, что в целом экология Тульской области имеет тенденцию к улучшению и находится выше нормы. Однако есть проблемы, связанные с использованием свежей воды, объемом оборотной и последовательно используемой воды, объемом образующихся отходов производства и потребления, что требует разработки соответствующих мероприятий, направленных на улучшение оцененных показателей в рамках разработанных рекомендаций.

Кроме того, показана необходимость пересмотра размера платежей на охрану окружающей среды, что подтверждено отсутствием значимой связи между стоимостными факторами и большинством среди рассмотренных экологических показателей.

Результаты исследования могут быть использованы органами управления Тульского региона в области экологии и природопользования с целью разработки мероприятий, направленных на улучшение экологической ситуации в контексте устойчивого развития субъектов Российской Федерации.

Список литературы

1. Временная методика определения предотвращенного экологического ущерба. Москва: Экономика, 1999. [Электронный ресурс]. URL: https://gostrf.com/norma data/7/7130/index.htm.

2. Мезенина О.Б. Экономика природопользования: экономическая эффективность природоохранных затрат промышленного предприятия: учеб. пособие. Екатеринбург: УГЛТУ, 2023. 88 с.

3. Егорова С.Е., Кулакова Н.Г., Будасова В.А. Исследование взаимосвязи между экологическими и экономическими показателями предприятия // n-Economy. 2022. Т. 15, № 6. С. 85-99.

4. Мезоэкономика России: стратегия разбега: монография / под ред. Г. Б. Клейнера. Москва: Издательский Дом «НАУЧНАЯ БИБЛИОТЕКА», 2022. 808 с.

5. Прокопчина С.В. Байесовские интеллектуальные измерения. Москва: Издательский Дом «НАУЧНАЯ БИБЛИОТЕКА», 2021. 495 с.

6. Прокопчина С.В., Фролов А. А. Основные принципы и технологии построения сети экологического менеджмента и обеспечения экологической безопасности в системе «Умный город» на основе интеллектуальных рабочих мест «ИРМ-эколог» // Мягкие измерения и вычисления. 2020. Т. 30. № 5. С. 47-58.

7. Pedroza C. A Bayesian forecasting model: predicting U.S. male mortality // Biostatistics. 2006. Vol. 7. No. 4. P. 530-550.

8. Березин А.С., Жуков Р.А., Прокопчина С.В. Байесовские интеллектуальные измерения индексов и показателей региональной обеспеченности объектами культуры // Мягкие измерения и вычисления. 2022. Т. 53. № 4.С. 5-15.

9. Модель ценностного мира российской молодежи на основе байесовских интеллектуальных измерений / Р.А. Жуков [и др.] // МИР (Модернизация. Инновации. Развитие). 2024. Т. 15. № 1. С. 96-114.

10. О внесении изменений в постановление Правительства Российской Федерации от 3 апреля 2021 г. № 542. Постановление Правительства Российской Федерации от 01.07.2023 № 1094. URL: http://publication.pravo.gov.ru/document/0001202307040013.

11. Transforming our World: The 2030 Agenda for Sustainable Development [Электронный ресурс]. URL: https://sustainabledevelopment. un.org/post2015/transformingourworld /publication.

12. The OECD Env-Linkages Modelling Framework. OECD. 2013.

13. Тихоокеанская региональная программа по окружающей среде (SPREP) [Электронный ресурс]. URL: https://www.sprep.org/.

14. Программа ООН по окружающей среде (ЮНЕП) [Электронный ресурс]. URL: https://www.un.org/ru/ga/unep/.

15. Всемирный Фонд Дикой Природы (WWF) [Электронный ресурс].

URL: https://wwfcee.org/.

16. Министерство природных ресурсов и экологии Российской Федерации (Минприроды России) [Электронный ресурс]. URL: https://www.mnr.gov.ru/.

17. Федеральная служба государственной статистики [Электронный ресурс]. URL: http://www.gks.ru/.

18. Martínez-Fernández J., Banos-González I., Esteve-Selma M.A. An integral ap-proach to address socio-ecological systems sustainability and their uncertainties // Science of the Total Environment 762. 2021.

19. Wang Zh., Xiong H., Zhang F., Qiu Y., Ma Ch. Sustainable development assessment of ecological vulnerability in arid areas under the influence of multiple indicators // Journal of Cleaner Production. 2024. 140629.

20. 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.

21. Мингалева Ж. А., Никитина И. А., Круглова И. А. О целесообразности использования Индекса экологической эффективности для оценки уровня социально-экологического развития российских регионов // Финансовый журнал. 2023. Т. 15. № 4. С. 98-111.

22. 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 // Известия Тульского государственного университета. Науки о Земле. 2022. Вып. 4. С. 465-479.

23. Территориальный орган Федеральной службы государственной статистики по Тульской области [Электронный ресурс]. URL: https://71.rosstat.gov.ru/.

24. Единая межведомственная информационная статистическая система (ЕМИСС) [Электронный ресурс]. URL: https://www.fedstat.ru/.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

25. Прокопчина С.В. Байесовские интеллектуальные технологии в задачах моделирования закона распределения в условиях неопределенности: монография. М.: Издательский Дом «НАУЧНАЯ БИБЛИОТЕКА», 2020. 292 с.

26. Прокопчина С.В. Основы теории шкалирования в экономике: учебное пособие. М.: ИД «НАУЧНАЯ БИБЛИОТЕКА», 2021. 272 с.

27. Жуков Р.А., Прокопчина С.В. Программный комплекс «Инфо-аналитик 2.0». Свидетельство о государственной регистрации программы для ЭВМ № 2024617544 от 03.04.2024.

28. Жуков Р.А. Подход к оценке функционирования иерархических социально-экономических систем и принятию решений на базе программного комплекса «ЭФРА» // Бизнес-информатика. 2020. Т. 14. № 3. С. 82-95.

29. Multi-criteria optimization as the methodology of ensuring sustainable

development of regions: Tula region of the Russian Federation / R.A. Zhukov [and others] // International Journal of Sustainable Development and Planning. 2023. Vol. 18. No. 4. Р. 1057-1068.

Исследование выполнено за счет гранта Российского научного фонда № 24-28-20020, https://rscf.ru/project/24-28-20020/и Тульской области.

Жуков Роман Александрович, д-р экон. наук, канд. физ.-матем. наук, доцент, професор, pluszh@,mail.ru, Россия, Тула, Тульский филиал Финансового университета при Правительстве РФ,

Прокопчина Светлана Васильевна, д-р техн. наук, профессор,профессор, [email protected], Россия, Москва, Финансовый университета при Правительстве РФ,

Хлынин Эдуард Валентинович, д-р экон. наук, профессор, [email protected], Россия, Тула, Тульский государственный университет

ASSESSMENT OF THE ECOLOGICAL STATE OF THE TULA REGION BASED ON BAYESIAN INTELLIGENT MEASUREMENTS

R.A. Zhukov, S.V. Prokopchina, E.V. Khlynin

The assessment of the ecological state of the Tula region and the dynamics of its changes according to basic environmental indicators using the methodology of Bayesian intelligent measurements, which makes it possible to work in conditions of uncertainty, based on open data for 2007-2022. The constructed information hierarchical model made it possible to identify positive and negative trends in the environmental situation of the region.

The existing trend of improving the ecology of the Tula region has been identified, which is characterized by problems related to the use of fresh water, the volume of recycled and consistently used water, the volume of generated production and consumption waste. The need to review the amount ofpayments for environmental protection has been established.

The results of the study can be used by the management bodies of the Tula region in the field of ecology and nature management in order to develop measures aimed at improving the environmental situation in the context of sustainable development of the subjects of the Russian Federation.

Key words: socio-ecological-economic system, ecology, sustainable ecological development, Bayesian intelligent technologies, fuzzy model.

Zhukov Roman Aleksandrovich, doctor of economics, candidate of physical and mathematical sciences, docent, professor, [email protected], Russia, Tula, Financial University under the Government of the Russian Federation (Tula Branch),

Prokopchina Svetlana Vasilyevna, doctor of technical sciences, professor, professor, [email protected], Russia, Moscow, Financial University under the Government of the Russian Federation,

Khlynin Eduard Valentinovich, doctor of economics, professor, [email protected], Russia, Tula, Tula State University

Reference

1. A temporary methodology for determining the prevented environmental damage. Moscow: Ekonomika, 1999. URL: https://gostrf.eom/norma_data/7/7130/index.htm

2. Mezenina O.B. Economics of environmental management: economic efficiency of environmental costs of an industrial enterprise: textbook. stipend. Yekaterinburg: UGLTU,

2023. 88 p.

3. Egorova S.E., Kulakova N.G., Budasova V.A. Research on the interaction of intercollective and cognitive research // n-ekonomika. 2022. Vol. 15, No. 6. pp. 85-99.

4. Mesoeconomics of Russia: the strategy of the run-up: a monograph / edited by G. B. Kleiner. Moscow: Publishing House "SCIENTIFIC BIBLIOTECA", 2022. 808 p

. 5. Prokopchina S.V. Bayesian intellectual measurements. Moscow: Ed. House "SCIENTIFIC LIBRARY", 2021. 495 p.

6. Prokopchina S.V., Frolov A.A. Basic principles and technologies of building an environmental management network and ensuring environmental safety in the Smart City system based on intelligent workplaces "IRM-ecologist" // Soft measurements and calculations. 2020. Vol. 30. No. 5. pp. 47-58.

7. Pedroza S. Bayesian forecasting model: forecasting male mortality in the USA // Biostatistics. 2006. Volume 7. No. 4. pp. 530-550.

8. Berezin A.S., Zhukov R.A., Prokopchina S.V. Bayesian intellectual measurements of indices and indicators of regional provision of cultural objects // Soft measurements and calculations. 2022. Vol. 53. No. 4. pp. 5-15.

9. The model of the value world of Russian youth based on Bayesian intellectual measurements / R.A. Zhukov [et al.] // MIR (Modernization. Innovation. Development).

2024. vol. 15. No. 1. pp. 96-114.

10. On Amendments to the Decree of the Government of the Russian Federation No. 542 dated April 3, 2021. Resolution of the Government of the Russian Federation dated 07/01/2023 No. 1094. URL:

http://publication.pravo.gov.ru/document/0001202307040013 11. Transforming our world: The 2030 Agenda for Sustainable Development. URL: https://sustainabledevelopment.un.org/post2015 /transformingourworld /publication.

12. The OECD Interconnection Modeling System. OECD. 2013.

13. Tikei Regional Environment Program (SPREP). URL: https://www.sprep.org/.

14. United Nations Environment Programme (UNEP). URL: https://www.un.org/ru/ga/unep/.

15. The World Wildlife Fund (WWF). URL: https://wwfcee.org/.

16. Ministry of Natural Resources and Ecology of the Russian Federation (Ministry of Natural Resources of the Russian Federation). URL: https://www.mnr.gov.ru /.

17. Federal State Statistics Service. URL: http://www.gks.ru

18. Martinez-Fernandez H., Bagnos-Gonzalez I., Esteve-Selma M.A. An integral approach to solving the problem of sustainability of socio-ecological systems and their uncertainties // Science of the environment as a whole 762. 2021.

19. Wang Zhe., Xiong H., Zhang F., Qiu Yu., Ma Ch. Sustainable development assessment of environmental vulnerability in arid areas under the influence of multiple indicators // Journal of Clean Production. 2024. 140629.

20. 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.

21. Mingaleva Zh. A., Nikitina I. A., Kruglova I. A. On the appropriateness of using the Environmental Efficiency Index to assess the level of socio-ecological development of Russian regions // Financial Journal. 2023. Vol. 15. No. 4. pp. 98-111.

22. Assessment of the ecological state of the Central Federal District regions based on economic and mathematical modeling of priority areas of environmental protection / R.A. Zhukov, N.O. Kozlova, E.V. Khlynin, S.V. Gorodnichev // Izvestiya Tula State University. Earth Sciences. 2022. Issue 4. pp. 465-479.

23. Territorial body of the Federal State Statistics Service for the Tula region. URL: https://71.rosstat.gov.ru /.

24. The Unified Interdepartmental Statistical Information System (EMISS). URL: https://www.fedstat.ru

25. Prokopchina S.V. Bayesian intelligent technologies in the problems of modeling the distribution law under uncertainty: monograph. M.: Publishing House "SCIENTIFIC LIBRARY", 2020. 292 p.

26. Prokopchina S.V. Fundamentals of the theory of scaling in economics: textbook. M.: Publishing house "SCIENTIFIC LIBRARY", 2021. 272 p.

27. Zhukov R.A., Prokopchina S.V. The software package "Info-analyst 2.0". Certificate of state registration of computer software No. 2024617544 dated 04/03/2024.

28. Zhukov R.A. An approach to assessing the functioning of hierarchical socioeconomic systems and decision-making based on the EFRA software complex // Business Informatics. 2020. Vol. 14. No. 3. pp. 82-95.

29. Multicriteria optimization as a methodology for ensuring sustainable development of regions: Tula region of the Russian Federation / R.A. Zhukov [et al.] // International Journal of Sustainable Development and Planning. 2023. vol. 18. No. 4. pp. 1057-1068.

УДК 551:546.3:631:581.1

ИСТОЧНИКИ СВИНЦА В СРЕДЕ И ПРОБЛЕМЫ СНИЖЕНИЯ ЕГО СОДЕРЖАНИЯ В ПОЧВЕ

В.В. Иванищев, Т.Е. Сиголаева

Собраны данные и обсуждены вопросы, касающиеся источников загрязнения среды свинцом в связи с его производством и использованием человеком. Описаны формы свинца и динамика его содержания в среде. Ра^мотрены вопросы доступности металла для растений и механизмы его проникновения в них. Отмечены негативные эффекты присутствия свинца в среде для растений. Описаны механизмы негативного влияния металла на рост, развитие и морфологические, а также физиолого-биохимические характеристики растений. Рассмотрены способы снижения содержания металла в загрязненных почвах и его доступности для растений. Обсуждаются пути биоремедиации почвы в отношении этого металла.

Ключевые слова: свинец, загрязнение, окружающая среда, формы свинца в почве, растения, биоремедиация.

Добыча полезных ископаемых, разные виды промышленного производства с использованием металлов, неправильные утилизация отходов и ведение сельскохозяйственного производства создают проблему перманентного загрязнения окружающей среды [1 - 4].

i Надоели баннеры? Вы всегда можете отключить рекламу.