Опыт оценки состояния и прогнозирования социо-эколого-экономической системы: к вопросу устойчивого развития региона

DOI: 10.35595/2414-9179-2020-1-26-30-44

Посмотреть или загрузить статью (Rus)

Об авторах

В.В. Меншуткин

Институт региональных проблем экономики РАН,
ул. Серпуховская, д. 38, 190013, Санкт-Петербург, Россия;
E-mail: menshutkina.n@gmail.com

Н.Н. Филатов

Институт водных проблем Севера КарНЦ РАН, ФИЦ «Карельский научный центр РАН»,
пр. А. Невского, д. 50, 185030, Петрозаводск, Республика Карелия, Россия;
E-mail: nfilatov@rambler.ru

Аннотация

Предложен обзор когнитивных моделей для эколого-социо-экономической системы региона, разработанных авторами. Для оценки возможностей устойчивого развития региона — Белого моря и водосбора (Беломорья), рассмотрен комплекс когнитивных моделей, которые отражают динамику экономики, состояние и изменения окружающей среды, климата, сельское и лесное хозяйство и социальную сферу. Разработаны четыре разной степени сложности когнитивные модели эколого-социо-экономической системы региона, которые использовались для определения разных целевых показателей, направленных на оценку возможностей повышения уровня жизни населения, рациональное использование и охрану окружающей среды, развитие определённых отраслей экономики и социальной сферы региона. В первой модели в качестве основной целевой функции рассматривалась возможность гармоничного экономического развития всех субрегионов (субъектов РФ), входящих в водосбор, для устойчивого развития Беломорья. Оценивалось соотношение величины инвестиций в развитие субрегионов и демографические характеристики населения для достижения наилучших (комфортных) условий проживания населения. Вторая модель была разработана для того, чтобы изучить возможности повышения уровня жизни населения с использованием рыболовства — традиционного занятия местного населения поморов. В третьей модели решалась многокритериальная задача определения такого режима управляющих воздействий, который обеспечил бы достижение максимальной величины уровня жизни населения региона при разных сценариях состояния экономики и изменений климата. Четвёртая, наиболее сложная модель, учитывала предыдущие разработки, построена по иерархическому принципу и может быть использована для разных целей управления: повышения уровня жизни населения, охраны окружающей среды, развития экономики. Результаты могут служить основой для построения системы количественных моделей, необходимых для разработки систем поддержки принятия управленческих решений.

Ключ. слова

когнитивная модель, социо-экономика, население, окружающая среда, устойчивое развитие

Список литературы

  1. Альбертин С.В. Когнитивное моделирование как способ научного познания и творчества. Гуманитарные научные исследования, 2016. № 8 (60). Электронный ресурс: htth://human.snauka.ru//2016/08/1629289 (дата доступа 15.03.2020).
  2. Белое море и водосбор под влиянием климатических и антропогенных факторов. Петрозаводск: КарНЦ РАН, 2007. 349 с.
  3. Власов М.П., Шимко П.Д. Моделирование экономических процессов. Ростов-на-Дону: Феникс, 2005. 409 с.
  4. Горелова Г.В., Рябцев В.Н. Когнитивный подход к исследованию геополитических процессов в мировых регионах и когнитивное моделирование их развития (на примере Черноморско-Каспийского региона). Инженерный вестник Дона, 2012. № 4–2. Т. 23. 21 с. Электронный ресурс: http://www.ivdon.ru/ru (дата доступа 20.12.2019).
  5. Гузинаров М.Б., Ильясов Б.Г., Вакиева Е.Ш., Герасимова И.Б. Когнитивная модель формирования показателя уровня жизни. Вестник УГАТУ, 2013 Т. 17. № 2 (53). С. 216–226.
  6. Дружинин П.В., Филатов Н.Н., Морошкина М.В., Дерусова О.В., Поташева О.В. Моделирование и пространственный анализ эколого-экономического состояния водосбора Белого моря. ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: Материалы Междунар. конф. Петрозаводск: КарНЦ РАН, 2018. Т. 24. Ч. 1. С. 297–309. DOI: http://doi.org/10.24057/2414-9179-2018-1-24-297-309.
  7. Заде Л. Понятие лингвистической переменной и её применение в принятии приближённых решений. М.: Мир, 1976. 165 с.
  8. Золотокрылин А.Н., Кренке А.Н., Виноградова В.В. Районирование России по природным условиям жизни населения. М.: ГЕОС, 2012. 156 с.
  9. Иконникова О.В., Зыкова Н.В., Гарина Я.Н. Проблемы развития рыбопереработки в промысловых районах Арктики. Сельское, лесное и водное хозяйство, 2015. № 4 (43). С. 15–18.
  10. Курзенев В.Т., Матвеенко В.Д. Экономический рост. СПб.: Питер, 2018. 608 с.
  11. Макаров В.Л., Бахтизин А.Р. Социальное моделирование — новый компьютерный прорыв (агент-ориентированный подход). М.: Экономика, 2013. 295 с.
  12. Меншуткин В.В., Филатов Н.Н. Когнитивное моделирование влияния рыболовства на уровень жизни населения Беломорья. Труды Карельского научного центра РАН. Лимнология и Океанология, 2019. № 9. С. 145–154. DOI: 10.17076/lim1120.
  13. Меншуткин В.В., Филатов Н.Н. Моделирование оптимального управления эколого-социо-экономической системой водоём — водосбор на примере Беломорья. Водные ресурсы, 2020. Т. 47. № 3. С. 348–357. DOI: 10.1134/S0097807820030100.
  14. Меншуткин В.В., Филатов Н.Н., Дружинин П.В. Состояние и прогнозирование социо-эколого-экономической системы водосбора Белого моря с использованием когнитивного моделирования. Арктика. Экология. Экономика, 2018. № 2 (30). С. 79–85. DOI: 10.25283/2223-4594-2018-2-4-17.
  15. Моделирование социо-эколого-экономической системы региона. М.: Наука, 2003. 175 с.
  16. Регионы России. Социально-экономические показатели. 2018. Статистический сборник. М.: Росстат, 2018. 1162 с.
  17. Стасенков В.А., Студенов И.И., Новосёлов А.П. Поморские рыбные промыслы. Мурманск: ПИНРО, 2011. 264 с.
  18. Толстиков А.В., Чернов И.А. Изменчивость биогеохимических процессов в Белом море для разных климатических условий по данным моделирования. Труды Карельского Научного Центра РАН. Серия: Экспериментальная биология, 2019. № 6. С. 1–11. DOI: 10.17076/eb95.
  19. Филатов Н.Н., Назарова Л.Е., Дружинин П.В. Влияние климатических и антропогенных факторов на состояние системы Белое море — водосбор. Лимнология и Океанология, 2019. № 9. С. 30–50. DOI: 10.17076/lim1117.
  20. Шерстков А.С., Фролов С.Б., Шерстков В.С. Проблемы рыболовства в Белом море и пути их решения. Биологические ресурсы Белого моря и внутренних водоёмов Европейского Севера: Материалы XXVIII Междунар. конф. 5–8 окт. 2009 г. Петрозаводск: КарНЦ РАН, 2009. C. 637–642.
  21. Шибаев С.В. Формальная теория жизни рыб Ф.И. Баранова и её значение в развитии рыбохозяйственной науки. Труды ВНИРО, 2015. Т. 157. С. 127–142.
  22. Crépin A-S., Karcher M., Gascard J-C. Arctic climate change, economy and society. Integrated perspectives. Ambio. A Journal of the Human Environment, 2017. No 46. Suppl. 3. P. 341–354. DOI: 10.1007/s13280-017-0953-3.
  23. IPCC, 2014. Climate change 2014: synthesis report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on climate change Core Writing Team. Geneva: IPCC, 2014. 151 p.
  24. Kosko B. Fuzzy thinking. New York: Hyperion, 1993. 318 p.
  25. Petrov A.N., BurnSilver S., Chapin III F.S., Fondahl G., Graybill J.K., Keil K., Nilsson A.E., Riedlsperger R., Schweitzer P. Arctic sustainability research: Past, present and future. Routledge, 2017. 110 p. DOI: 10.4324/9781315109954.
  26. Ross D. Economic theory and cognitive science: microexplanation. A Bradford Book. Cambridge, Massachusetts: MIT Press, 2005. 444 p.

Для цитирования: Меншуткин В.В., Филатов Н.Н. Опыт оценки состояния и прогнозирования социо-эколого-экономической системы: к вопросу устойчивого развития региона. ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: Материалы Междунар. конф. M: Издательство Московского университета, 2020. Т. 26. Ч. 1. С. 30–44 DOI: 10.35595/2414-9179-2020-1-26-30-44

For citation: Menshutkin V.V., Filatov N.N. Experience of assessing state and forecasting of socio-ecological-economic system: to the question of sustainable development of the region. InterCarto. InterGIS. GI support of sustainable development of territories: Proceedings of the International conference. Moscow: Moscow University Press, 2020. V. 26. Part 1. P. 30–44. DOI: 10.35595/2414-9179-2020-1-26-30-44 (in Russian)