Моделирование эколого-социо-экономической системы Белого моря и его водосбора

В. В. Меншуткин1, Н. Н. Филатов2,✉

1 Институт проблем региональной экономики РАН, Санкт-Петербург, Россия

2 Институт водных проблем Севера Карельского научного центра РАН, Петрозаводск, Россия

✉ e-mail: nfilatov@rambler.ru

Аннотация

Цель. Разработка когнитивной модели эколого-социо-экономической системы Белого моря и его водосбора (Беломорье) – цель данной работы. В отличие от предыдущих разработок для региона новая когнитивная модель эколого-социо-экономической системы имеет иерархическую структуру, включающую пять подмоделей, объединенных общей системой управления. Модель предназначена для прогностических оценок на качественном уровне происходящих изменений сложной системы при различных сценариях природопользования и изменения климата. Модель дает возможность определения важных для достижения устойчивого развития региона целевых показателей, направленных на оценку возможностей повышения уровня жизни населения, рационального использования и охраны окружающей среды, развитие социальной сферы Беломорья. Результаты могут служить основой для построения моделей, необходимых для разработки систем поддержки принятия управленческих решений.

Методы и результаты. Когнитивная модель Белого моря рассматривается как инструмент для синтеза разнородной информации о сложной эколого-социо-экономической системе. Применяется концептуальное моделирование и математический аппарат размытой логики. В отличие от традиционных когнитивных моделей в настоящей предусматривается изменение переменных во времени за 100 лет, что позволяет описать связь агентов взаимодействия и охарактеризовать механизмы их взаимной адаптации. Временной шаг модели принят равным одному году. Создано необходимое информационное обеспечение: геоинформационные системы, базы данных, комплексный электронный и бумажный атласы Белого моря и его водосбора, оригинальные 3D математические модели термогидродинамики и экосистемы моря, изучены закономерности изменений климата, гидрологических условий и ресурсов рыболовства – основного занятия местного населения – поморов, используются модели для оценки состояния и прогноза развития экономики региона.

Выводы. Создана новая когнитивная модель эколого-социо-экономической системы Беломорья, основанная на иерархическом принципе. Разработанные подмодели относятся к различным областям знания (экономика, демография, океанология, почвоведение, агрофизика). Продемонстрирована динамика элементов модели за 100 лет, показано, что экономические параметры мало зависят от изменений климата, в то время как эти изменения оказывают заметное влияние на уровень жизни населения и экосистему Белого моря. Они проявляются в колебаниях температуры воды, биомассы фито- и зоопланктона, вылова рыбы, но мало заметны в изменениях бентоса. Показана зависимость оттока населения Беломорья от размеров валового регионального продукта, наличия производственных фондов и качества воды.

Ключевые слова

окружающая среда, население, экономика, когнитивная модель, прогнозирование, климат, Белое море, водосбор

Благодарности

Финансовое обеспечение исследований осуществлялось из средств федерального бюджета на выполнение государственного задания Института водных проблем Севера КарНЦ РАН (ИВПС КарНЦ РАН) и Института проблем региональной экономики РАН (ИПРЭ РАН) (AAAA-A19-119-021390164-1). Авторы благодарят Т. Р. Минину (ИПРЭ РАН) за очень большую помощь при подготовке статьи, Л. Е. Назарову (ИВПС КарНЦ РАН) за полезные замечания, М. С. Богданову (ИВПС КарНЦ РАН) за помощь при подготовке рисунков.

Для цитирования

Меншуткин В. В., Филатов Н. Н. Моделирование эколого-социо-экономической системы Белого моря и его водосбора // Морской гидрофизический журнал. 2021. Т. 37, № 1. С. 113–131. EDN IMQWLP. doi:10.22449/0233-7584-2021-1-113-131

Menshutkin, V.V. and Filatov, N.N., 2021. Modeling the Ecological-Socio-Economic System of the White Sea and its Watershed. Physical Oceanography, 28(1), pp. 104-121. doi:10.22449/1573-160X-2021-1-104-121

DOI

10.22449/0233-7584-2021-1-113-131

Список литературы

  1. Белое море и водосбор под влиянием климатических и антропогенных факторов / Отв. ред. Н. Н. Филатов, А. Ю. Тержевик. Петрозаводск : КарНЦ РАН, 2007. 335 с.
  2. Моделирование и пространственный анализ эколого-экономического состояния водосбора Белого моря / П. В. Дружинин [и др.] // ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий : материалы Международной конференции. Петрозаводск : КарНЦ РАН, 2018. Т. 24, ч. 1. С. 130−142. doi:10.24057/2414-9179-2018-1-24-297-309
  3. Стасенков В. А. О промысле наваги Eleginus nawaga (Koelreuter, 1770) // Вестник рыбохозяйственной науки. 2016. Т. 3, № 2 (10). С. 18–26.
  4. Тимченко И. Е., Иващенко И. К., Игумнова Е. М. Управление эколого-экономическими процессами накопления и ассимиляции загрязнений в прибрежной морской среде // Морской гидрофизический журнал. 2017. № 1. С. 72–88. doi:10.22449/0233-7584-2017-1-72-88
  5. 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 (23). 90. 21 с.
  6. Crépin A.-S., Karcher M., Gascard J.-C. Arctic climate change, economy and society (ACCESS): Integrated perspectives // Ambio. 2017. Vol. 46, suppl. 3. P. S341–S354. doi:10.1007/s13280-017-0953-3
  7. 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 и экономика. 2018. № 2 (30). С. 4–17. doi:10.25283/2223-4594-2018-2-4-17
  8. Меншуткин В. В., Филатов Н. Н. Когнитивное моделирование влияния рыболовства на уровень жизни населения Беломорья // Труды Карельского научного центра РАН. Серия: Лимнология и Океанология. 2019. № 9. С. 145–154. doi:10.17076/lim1120
  9. Меншуткин В. В., Филатов Н. Н. Моделирование оптимального управления эколого-социо-экономической системой водоем – водосбор на примере Беломорья // Водные ресурсы. 2020. Т. 47, № 3. С. 348–357. doi:10.31857/S0321059620030116
  10. Меншуткин В. В., Минина Т. Р. Когнитивное моделирование как аппарат исследования эколого-экономических систем // Региональная экономика и развитие территорий : сборник научных статей. СПб. : ГУАП, 2018. Т. 1 (12). С. 157–163.
  11. Меншуткин В. В., Минина Т. Р. Когнитивная модель взаимодействия человеческого общества с экологической системой водоема // Региональная экономика и развитие территорий : сборник научных статей. СПб. : ГУАП, 2017. Т. 1 (11). С. 160–167.
  12. Ross D. Economic Theory and Cognitive Science: Microexplanation. London : MITPress, 2005.454 p.
  13. Павлов С. Н. Системы искусственного интеллекта. Томск : Эль Контент, 2011. Ч. 1. 174 с.
  14. Kosko B. Fuzzy thinking: the new science of fuzzy logic. New York : Hyperion, 1993. 318 p.
  15. Чернов И. А., Толстиков А. В., Яковлев Н. Г. Комплексная модель Белого моря: гидротермодинамика вод и морского льда // Труды Карельского научного центра РАН. Серия: Математическое моделирование и информационные технологии. 2016. № 8. C. 116–128. doi:10.17076/mat397
  16. Создание информационной системы и электронного атласа по состоянию и использованию ресурсов Белого моря и его водосбора / Н. Н. Филатов [и др.] // Арктика: экология и экономика. 2014. № 3 (15). С. 18–29.
  17. Филатов Н. Н., Дружинин П. В., Меншуткин В. В. Информационное обеспечение комплексных исследований природной среды и социо-экономических условий Белого моря и водосбора // ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: материалы Междунар. конф. М. : Издательство Московского университета, 2019. Т. 25, ч. 1. С. 122–137. http://doi.org/10.35595/2414-9179-2019-1-25-122-137
  18. Walliser B. Cognitive Economics. Berlin ; Heidelberg : Springer-Verlag, 2008. 185 p. doi:10.1007/978-3-540-71347-0
  19. Филатов Н. Н., Назарова Л. Е., Дружинин П. В. Влияние климатических и антропогенных факторов на состояние системы «Белое море – водосбор» // Труды Карельского научного центра РАН. Серия: Лимнология и Океанология. 2019. № 9. С. 30–50. doi:10.17076/lim1117
  20. Гренандер У., Фрайбергер В. Краткий курс вычислительной вероятности и статистики. М. : Наука, 1978. 192 с.
  21. Налимов В. В. Вероятностная модель языка: о соотношении естественных и искусственных языков. М. : Наука, 1974. 272 с.
  22. Меншуткин В. В. Искусство моделирования (экология, физиология, эволюция). Петрозаводск : КарНЦ РАН, 2010. 416 с.
  23. Курзенев В. А., Матвеенко В. Д. Экономический рост. СПб. : Питер, 2018. 608 с.
  24. Когнитивная модель формирования показателя качества жизни / М. Б. Гузаиров [и др.] // Вестник Уфимского государственного авиационного технического университета. 2013. Т. 17, № 2 (53). С. 215–220.
  25. Колмакова И. Д., Байкова Е. И., Колмакова Е. М. Экономико-математические методы в оценке и планировании уровня жизни населения региона // Региональная экономика: теория и практика. 2017. Т. 15, № 5. С. 928–936. doi:10.24891/re.15.5.928
  26. Botkin D. B. Forest Dynamics: An Ecological Model. New York : Oxford University Press, 1993. 309 p. doi:10.5860/choice.31-1511
  27. Kozak I., Menshutkin V. V., Klekowski R. Z. Modelowanie elementów krajobrazu. Lublin : Towarzystwo Naukowe Katolickiego Uniwersytetu Lubelskiego, 2003. 190 p.
  28. Модели продукционного процесса сельскохозяйственных культур / Р. А. Полуэктов [и др.]. СПб. : Изд. СПбГУ, 2006. 391 с.
  29. Баранов Н. С. Стратегическое значение Севера для экономики России // Общество и право. 2014. № 3. C. 297–301.

Скачать статью в PDF-формате