Анализ экологических и энергетических показателей в Латинской Америке и Карибском бассейне: оценка на основе многомерных методов и больших данных об устойчивости

Одной из основных проблем, с которыми сегодня сталкивается человечество, является негативное воздействие на окружающую среду, вызванное вмешательством человека. Катастрофические последствия изменения климата, такие как снижение доступности воды, повышение экологической уязвимости и постоянное ухудшение состояния окружающей среды, которые вызвали загрязнение воздуха, почвы и воды, привели к тому, что в общественных дебатах стало уделяться больше внимания к неминуемому риску экологического кризиса (Ladisla and Fonden, 2019).

Это, несомненно, привело к заключению ряда международных соглашений с целью разработки государственной политики, направленной на обеспечение устойчивого развития государств. В докладе «Наше общее будущее» (CMMAD, 1987) комиссии Брундтланд, учрежденной Генеральной Ассамблеей в 1983 году, термин «устойчивое развитие» определяется как развитие, отвечающее потребностям нынешних поколений без ущерба для способности будущих поколений удовлетворять свои собственные потребности. А также удовлетворение потребностей, связанных с повесткой в области охраны окружающей среды, наряду с обеспечением развития стран с более низкими уровнями прогресса (CEPAL, 2023).

Исходя из этого, одной из наиболее пропагандируемых глобальных стратегий предотвращения деградации окружающей среды является Механизм оценки воздействия на окружающую среду (ОВОС), который получил огласку после Конференции Организации Объединенных Наций по окружающей среде и развитию в 1992 году (CNUMAD, 1992). На сегодняшний день 191 страна - член Организации Объединенных Наций включила этот процесс в свои политические программы, как важный инструмент экологической государственной политики (Perevochtchikova, 2012 год).

Это предполагает интеграцию в секторальную государственную политику целей экологической политики, а также соответствующих концепций и последствий. По этой же причине одним из основных аспектов, над которым предполагается неизбежная работа, является обработка экологической информации, которая будет полезна для протекания политических процессов (Мантейга, 2000). Таким образом, необходимо выработать общую концептуальную структуру, основанную на согласовании концепций и определений. Для ОЭСР, а также для ее стран-членов крайне важно сформулировать, идентифицировать и определить индикаторы, а также разработать руководство по их использованию в связке с оценкой результативности экологической деятельности (OCDE, 2006).

В Латинской Америке и Карибском бассейне 31 августа 2002 года на первом совещании Форума министерств окружающей среды этого региона была принята Латиноамериканская и карибская инициатива по устойчивому развитию (ИЛАК). Она считается основным инструментом содействия устойчивому развитию и состоит из шести целей, разделенных на Устойчивое инновационное развитие: проектирование и управление [Электронный ресурс] / гл. ред. А.Е. Петров. – Дубна : 2008-2023. – ISSN 2075-1427. – Режим доступа: http://rypravlenie.ru/ шесть областей: биологическое разнообразие; рациональное использование водных ресурсов, уязвимость, населенные пункты и устойчивые города; социальные вопросы (здравоохранение, неравенство и нищета), экономические аспекты (конкурентоспособность, торговля, модели производства и потребления) и институциональные вопросы (PNUMA, 2010).

Для проведения такого рода исследований требуется первичная информация, полученная через сети мониторинга окружающей среды, а именно экологические показатели, которые затем будут переданы гражданскому населению и лицам, принимающим решения (Perevochtchikova, 2013). Экологические показатели — это показатели, которые описывают и отображают состояние и основную динамику окружающей среды (ECLAC, 2009). Несмотря на наличие этого инструмента, очевидно, что экологические данные носят сложный характер, связанный с природой их сбора, что является проблемой для национальных статистических систем. Именно поэтому, подходя к динамике окружающей среды с точки зрения ее обширности и сложности, понимая ее изменчивый характер, можно обозначить трудную задачу определения размеров и их измерения во времени (CEPAL, 2009).

Несмотря на особенности, которые необходимо учитывать при измерении состояния окружающей среды, есть авторы, которые углубились в проблематику и используют в своих исследованиях различные типы показателей и моделей, чтобы систематизировать информацию. Одной из них является модель «воздействие-состояние-реакция» (ВСР), разработанная Френдом и Раппортом (Pino, 2001) в конце 1980-х годов, данная модель принята и распространена ОЭСР. В ней поясняется, что деятельность человека прямо и косвенно оказывает «воздействие» на окружающую среду, которое качественно и количественно влияет на «состояние» природных ресурсов. Население реагирует на эти воздействия путем проведения соответствующих экологических, экономических и отраслевых политик, осознавая предпринятые меры, что называется «реакцией». Эта модель полезна для выявления факторов воздействия, состояний и реакций со стороны лиц, принимающих решения, и общества, даже несмотря на то, что существует прямая зависимость между природоохранными действиями, осуществляемых по мере их влияния, а также наличием связи между окружающей средой и экономикой (OECD, 2002).

Данная модель была адаптирована в соответствии со степенью точности и конкретными характеристиками условий окружающей среды. Так, в качестве примера рассматривается модель

«движущая сила-государство-реакция», используемая НПК ООН (2001 г.). Используются показатели устойчивого развития (Polanco, 2006).

Европейское агентство по окружающей среде (ЕАОС) создало несколько более сложную аналитическую структуру, чем, раннее описанная ОЭСР модель, она носит название «движущая сила-давление-состояние-последствия-реакция» (ДДСПР) (Aguirre, 2010). Данная модель основана на последовательной эволюции, в которой социальное и экономическое развитие создает давление на окружающую среду, что приводит к различным изменениям в состоянии окружающей среды. Следствием этих изменений является воздействие на состояние здоровья, доступность ресурсов, природные экосистемы и на другие экологические аспекты. Это побуждает общество искать ответы у лиц, принимающих решения, и у государственных органов в целях совершенствования экономического и социального управления, снижения воздействия на окружающую среду, восстановления и оздоровление окружающей среды, а также устранение последствий негативного воздействия. Таким образом, модель включает в себя экологических и социально-экономических агентов ответственных за вредное воздействие на состояние здоровья и развитие человека, окружающую среду, общество и экономику.

Следовательно, обе упомянутые выше модели позволяют развивать системы показателей, которые полностью учитывают изучаемые экологические проблемы посредствам взаимосвязей между причинами и следствиями (Aguirre, 2010).

Энергоэффективность и цели потребления

Энергоэффективность подразумевает оптимизацию использования энергии для снижения потребления ресурсов и минимизацию воздействия на окружающую среду, связанного с производством и использованием энергии. В свою очередь назначение энергии предполагает способ её использования, т. е. для чего она используется. Например, использование энергии может быть жилым, коммерческим, промышленным, транспортным и другими. Энергоэффективность и назначение важны для достижения устойчивого использования энергетических ресурсов и сокращения выбросов парниковых газов. (Fornillo, 2018).

Исследования, такие как работы Carpio и Coviello (2013) и Development Bank (2017), направлены на демонстрацию прогресса в области политики, обращая особое внимание на следующие аспекты: роль новых ключевых участников в области энергоэффективности и их эффективность; ресурсы и механизмы финансирования программ по энергоэффективности; результаты программ и существующие барьеры, как общие, так и специфические для каждой страны в исследованиях, а также уроки, извлеченные при разработке национальных программ и/или мероприятий по энергоэффективности.

Методология

По вопросам производства и потребления энергии из возобновляемых и невозобновляемых источников в Латинской Америке и Карибском бассейне существует несколько баз данных ЭКЛАК. Измерения в период с 2015 г. по 2020 г., которые включают в себя:

• •    Долю возобновляемых источников первичной энергии;

• •    Энергоемкость по видам экономической деятельности;

• •    Установленную мощность для производства электроэнергии в зависимости от источника;

• •    Возобновляемые источники первичного энергоснабжения;

• •    Доля возобновляемых источников в первичном энергоснабжении;

• •    Доля возобновляемых источников энергии, не связанных со сжиганием, в первичном энергоснабжении;

• •   Доля возобновляемых источников энергии в общем объеме энергоснабжения;

• •   Доля возобновляемых источников энергии в общем конечном потреблении энергии;

• •    Субсидии на ископаемое топливо.

Статистическая методологияМногомерный анализ

В рамках анализа рассматривалась обработка многомерных данных с помощью методов двойных диаграмм (биграфиков, от англ. biplot), визуализаций, способных отображать более двух переменных и несколько статистических признаков в двумерном графическом представлении, основанных на главных компонентах, вычисленных в матрице декомпозиции, которую было решено использовать (Gabriel, 1971).

В данных отображениях переменные представлены векторами или стрелками, указывающими в направлении роста переменной, а длина переменной представляет ее изменчивость, что указывает на то, что углы, близкие к 0° или 360°, представляют сильные прямые корреляции, углы, близкие к 180°, представляют сильные обратные корреляции, а углы, близкие к 90°, представляют независимость. Кроме того, признаки будут лучше представлены переменной, чем ближе они к вектору, который ее представляет, и ортогональные проекции на них могут дать представление о значении выше или ниже среднего с точки зрения доли стандартного отклонения.

В зависимости от факторизации, выполняемой при декомпозиции многомерных данных, может быть получено лучшее качество представления переменных или индивидуумов в графических представлениях. Галиндо разработала метод HJ-Biplot, основанный на максимальном качестве представления переменных и индивидуумов в одной и той же визуализации (Galindo, 1986).

Используя пакет R 'dynBiplotGUI', мы можем получить доступ к интерфейсу для динамического применения методов Biplot, что позволяет задавать данные тремя способами (переменная, индивидуальная и моментная), что в свою очередь даёт возможность представлять траектории и эволюцию переменных или отдельных индивидуумов на разных этапах периода анализа с визуализацией периода, который мы оцениваем в качестве эталона. Для целей этого исследования и по умолчанию пакета R используются последние данные, действующие в нашем наборе данных исследования. (Мигелес, 2015).

Таким образом, как показано на рисунке 1, мы сможем идентифицировать траектории переменных или отдельных признаков в периоды анализа, имея возможность установить, в каких переменных статистические признаки лучше всего представлены во времени.

том 19 № 3 (60), 2023, ст. 1

Рис. 1. Динамические биграфики, траектории переменных и статистических признаков

Тест на нормальность

Тест Шапиро-Уилка представляет в качестве нулевой гипотезы поведение в соответствии

с нормальным распределением переменной, являющейся тестовой статистикой

GtUg % (₀^{) 2}

Z^-X)2

где % (() число, занимающее i-ю позицию в выборке, упорядоченное от наименьшего к наибольшему. x представляет собой среднее значение переменной или выборочного среднего.

Переменные вычисляются а mTV-1

^(а1 ’ .“ " ’   (m^TV^-1V^-1m)^1/2

где m = (m 1 , ..., m_n), где m 1 , ..., m_n средние значения упорядоченной статистики независимых и одинаково распределенных случайных величин, отобранных из нормальных распределений, а V обозначает ковариационную матрицу статистики этого порядка.

Корреляционный анализ

При проверке нашей гипотезы о нормальности переменных для анализа стоит использовать коэффициент корреляции Спирмена для переменных, который не отрицает нормальность. Если коэффициент корреляции близок к 1 — говорится о сильной прямой www.rypravlenie.ru

том 19 № 3 (60), 2023, ст. 1

корреляции, если близок к -1 — сильной обратной корреляции. Если коэффициент близок к 0 — говорится об отсутствии связи между переменными. Статистика рассчитывается по формуле:

Г = 1 —

6 2 d2 n(n2 — 1)

Результаты

На рисунках 2 и 3 показана доля возобновляемых источников первичного энергоснабжения по типам источников, что отражает 73% от общей изменчивости данных с использованием в качестве базовой структуры 2019 года, что свидетельствует об отличном качестве представления, которое мы наблюдаем за этот период.

На рисунке 2 представлены траектории по годам, траектории практически не отличается относительно стран. Мы наблюдаем сильную обратную корреляцию между долей возобновляемой энергии, получаемой из древесного топливо и гидроэнергией, и отсутствие связи с источниками энергии, получаемой из сахарного тростника и его производных.

Рис. 2. Доля возобновляемых источников первичного энергоснабжения (требующих или не требующих сжигания) по типам источников (Var)

том 19 № 3 (60), 2023, ст. 1

На рисунке 3 представлены траектории по странам. Рассматривается период с 2014 по 2019 год: подавляющее большинство стран с фильтром инерции более 50% не демонстрирует значительных изменений. За исключением Карибского бассейна, где в годы анализа наблюдались заметные различия для энергии, получаемой из сахарного тростника и древесного топлива.

Следует также отметить, что лучше всего представлены Куба и Венесуэла, как страны, лидирующие в использовании сахарного тростника и его производных в качестве основного источника возобновляемой энергии.

Eje 1 : 40.89 % Ref: 2019

Рис. 3. Доля возобновляемых источников первичного энергоснабжения (требующих или не требующих сжигания) в разбивке по типам источников (страны)

том 19 № 3 (60), 2023, ст. 1

На рисунках 4 и 5 представлена энергоемкость по видам экономической деятельности в единицах тонн нефти на тысячу долларов за 2010 год (конечное потребление энергии / совокупная стоимость экономической деятельности в неизменных ценах в долларах США за 2010 год), которая объясняет 66% дисперсии данных и равномерно распределена между факторными компонентами один и два, обеспечивая надежное представление и учитывая фильтр инерции на уровне 60%. На рисунке 4 можно наблюдать изменение переменных в период с 2015 по 2019 год, и видно, что энергоемкость в коммерческой и промышленной деятельности заметно увеличилась за исследуемый период, так же, как и энергоемкость в сельском хозяйстве, рыболовстве и горнодобывающей промышленности. Однако в транспортной деятельности энергоемкость практически не менялась в контексте разных стран.

Рис. 4. Энергоемкость по видам экономической деятельности (VAR)

На рисунке 5 показана траектория энергоемкости деятельности по странам, где мы можем наблюдать интенсивное движение Венесуэлы в сторону промышленного и коммерческого сектора, доминирующего в этих видах деятельности. Кроме того, Ямайка широко представлена в переменной по сельскому хозяйству, рыболовству и добыче полезных ископаемых, а Гайана претерпела незначительные колебания в энергоемкости в транспортной деятельности по сравнению с коммерческой и промышленной.

Внутри группы стран не наблюдается каких-либо существенных различий, кроме упомянутых, что подчеркивает, что Латинская Америка и Карибский бассейн в целом не представлены на графике с учетом инерционного фильтра, поэтому они не представляют значительных различий в период анализа.

На рисунке 5 представлена траектория энергоемкости различных видов деятельности по странам. Мы можем наблюдать интенсивное продвижение Венесуэлы в промышленном и коммерческом секторах, заметно её доминирование в данных видах деятельности. Кроме того, Ямайка широко представлена в единице наблюдения, связанной с сельским хозяйством, рыболовством и добычей полезных ископаемых, а Гайана показала незначительные колебания в энергоемкости в транспортной деятельности по сравнению с коммерческой и промышленной сферами.

Внутри группы стран не наблюдаются значительные различия, кроме упомянутых выше, что подчеркивает, что Латинская Америка и Карибский бассейн в целом не представлены на графике, учитывая инерционный фильтр, и, следовательно, они не демонстрируют значительных изменений в анализируемом периоде.

На рисунках 6 и 7 представлена установленная мощность производства электроэнергии по источникам, измеряемая в мегаваттах, которая в совокупности объясняет 98% дисперсии данных с отличным качеством представления. Следует отметить, что большая часть дисперсии распределена вдоль первой факторной оси, что делает горизонтальные изменения очевидными и окончательными в представлении. Однако из-за небольшой изменчивости, учтенной второй факторной осью, нельзя сделать однозначных выводов о вертикальной изменчивости.

том 19 № 3 (60), 2023, ст. 1

Рис. 5. Энергоемкость по видам экономической деятельности

На рисунке 6 показана изменчивость источников за период с 2015 по 2020 год. В этот период отмечается существенное увеличение установленной мощности для производства энергии из всех источников. Однако установленная мощность для производства электроэнергии из возобновляемых тепловых, не возобновляемых тепловых, геотермальных, ядерных и гидроэлектрических источников почти не изменяется, в то время как установленная мощность для производства электроэнергии из ветровых и солнечных источников показывает существенное положительное изменение, практически равное одному стандартному отклонению.

том 19 № 3 (60), 2023, ст. 1

Рис. 6. Возобновляемое и не возобновляемое первичное энергоснабжение по типам ресурсов (VAR)

На рисунке 7 представлена траектория изменений в период анализа для различных стран Латинской Америки, при использовании инерционного фильтра на уровне 60%. Кроме того, в Таблице 1 отражается значительный рост установленной мощности для производства электроэнергии в Бразилии, который в основном связан с увеличением использования солнечных и ветровых источников, что помещает эту страну с широкими вариациями в первой четверти иллюстрации.

Таблица 1. Установленная мощность производства электроэнергии в Бразилии

Год	Ветряная энергия	Ветряная и гидроэнергия	Ядерная энергия	Солнечная энергия	Тепловая невозобновляемая энергия	Тепловые возобновляемые энергия
2015	7633	91650	1990	31	26307	13257
2016	10129	96925	1990	85	27146	14147
2017	12293	100319	1990	1096	27165	14716
2018	14400	104198	1990	2360	25737	14824
2019	15388	109155	1990	4465	26246	15036

Устойчивое инновационное развитие:

проектирование и управление [Электронный ресурс] /

гл. ред. А.Е. Петров. – Дубна : 2008-2023. – ISSN 2075-1427. – Режим доступа: http://rypravlenie.ru/ www.rypravlenie.ru

том 19 № 3 (60), 2023, ст. 1

Год	Ветряная энергия	Ветряная и гидроэнергия	Ядерная энергия	Солнечная энергия	Тепловая невозобновляемая энергия	Тепловые возобновляемые энергия
2020	17146	109294	1990	7934	27769	15383
Вариация	124,64%	19,25%	0,00%	25210,03%	5,56%	16,04%

Аналогичным образом, в таблице 2 показано значительное увеличение потенциала

Мексики по производству электроэнергии с преобладающим увеличением тепловых, геотермальных и других не возобновляемых источников. С точки зрения стандартного отклонения переменной, именно они демонстрируют наибольшие различия в этой стране.

Таблица 2. Установленная мощность производства электроэнер гии в Мексике

		К сЗ И сЗ 3 в? & 5 S & « и	S &	S & & et	&	5 о U г?	й о S 2 м 5 о & к о О О Ш Н И m	с М О щ Н са m
2015	2805	884	12489	1510	131	56	48801	1350
2016	3735	909	12589	1608	262	145	52331	1931,61
2017	3898	899	12612	1608	374	171	47166	1322
2018	4866	899	12612	1608	375	1878	49011	1709
2019	6050	899	12612	1608	375	3646	51547	1710
2020	6504	951	12612	1608	378	5149	53614	2305
Вариация	131,87%	7,58%	0,98%	6,49%	188,55%	9094,64%	9,86%	70,74%

Наконец, в Таблице 3 в целом по Латинской Америки и Карибского бассейна отражено общее увеличение установленной мощности для производства электроэнергии практически во всех источниках, за исключением ядерной энергии, при этом значительный рост отмечается в производстве ветровой и солнечной энергии.

Таблица 3. Установленная мощность производства электроэнергии в Латинской Америке и Карибском бассейне

м        a S      ”       2       «        ” §     «   §   5 g 5 8       5       2        g £     2 ° £   2 ю £ о     о о                                           К    о С м о CQ m        । m         ।                                                M m Н са m 2015 2016 2017 2018 2019 2020 13795    1509     172203  5255   138       1420      160305    17941 18037    1524    182186  5353   269       2491      169168    19845 21089    1604    186385  5353   381       5116      165796    20125 25229    1597    191206  5353   382       8856      169800    20572 28883    1654    196539  5353   382       13736     172648    21041 32552    1704    197020  5353   385       20007     177718    22292 Вариация 135,97%  12,89%  14,41%  1,86%  179,18%  1308,67% 10,86%   24,25% www.rypravlenie.ru

том 19 № 3 (60), 2023, ст. 1

Ref: 2020

Рис. 7. Возобновляемое и невозобновляемое первичное энергоснабжение по типам ресурсов (страны)

На рисунках 8 и 9 показана динамика биграфиков доли возобновляемых источников энергии в первичном энергоснабжении (REN_PRIM), доли возобновляемых источников энергии без сжигания в первичном энергоснабжении (REN_NC_PRIM), доли возобновляемых источников энергии в общем объеме энергоснабжения (REN_OF_TOT) и доли возобновляемых источников в общем конечном потреблении энергии (REN_CON_TOT), демонстрирующих 87% поглощенной изменчивости, что обеспечивает отличное качество представления по первым двум факторным осям. Кроме того, в визуальном элементе был рассмотрен инерционный фильтр 60%, исключивший из визуализации страны с низкой вариативностью. На рисунке 8 показаны

траектории переменных с 2015 по 2020 год, которые не представляли инерционного фильтра, и можно наблюдать, что они не претерпели больших изменений в период анализа.

На рисунках 8 и 9 представлена динамика биграфиков доли возобновляемых источников энергии в первичном энергоснабжении (REN_PRIM), доли возобновляемых источников энергии без сжигания в первичном энергоснабжении (REN_NC_PRIM), доли возобновляемых источников энергии в общем объеме энергоснабжения (REN_OF_TOT) и доли возобновляемых источников в общем конечном потреблении энергии (REN_CON_TOT). Эти данные показывают 87% поглощенной изменчивости, что обеспечивает отличное качество представления в первых двух факторных осях. Кроме того, визуальный элемент включает инерционный фильтр на уровне 60%, исключающий из визуализации страны с низкой вариабельностью. На рисунке 8 представлены траектории переменных с 2015 по 2020 год, без использования инерционного фильтра, и можно заметить, что они не подверглись существенным изменениям в анализируемом периоде.

Рис. 8. Доля возобновляемых источников энергии в энергоснабжении

На рисунке 9 показаны траектории стран в период анализа, в случаях Панамы, Уругвая и Гондураса наблюдаются явные изменения. Что касается Панамы доля возобновляемых источников первичного энергоснабжения, не требующих сжигания, снизилась на более чем 7 процентных пунктов.

Таблица 4. Изменение доли возобновляемых источников энергии в энергоснабжении Панамы

Год REN_PRIM REN_NC_PRIM REN_OF_TOT REN_CON_TOT 2016 83,2002 58,389 23,08516375 22,1 2019 40,6115 27,166 17,21027404 18,91 2015 80,6598 55,4196 23,5986572 21,9 2017 94,9678 68,9135 23,67160891 23,6 2020 48,7743 34,0453 24,90469199 28,43 2018 75,5343 56,1274 24,35517546 24,44 Вариация -7,6659 -2,2616 1,270011713 2,34 Аналогичным образом, на рисунке показано, что в Уругвае наблюдается незначительное снижение доли возобновляемых источников энергии в общем объеме энергоснабжения, при несущественном увеличении других пропорций. Отмечается значительное увеличение доли возобновляемых источников первичного энергоснабжения в Уругвае в 2017 и последующее регулирование в рамках исторических стандартов страны. Было бы разумно рассмотреть анализ причин этого последовательного увеличения и уменьшения более чем на 20 процентных пунктов, как показано в Таблице 5. Таблица 5. Изменение доли возобновляемых источников энергии в энергоснабжении Уругвая год REN_PRIM REN_NC_PRIM REN_OF_TOT REN_CON_TOT 2019 60,9322 51,9508 59,28621124 59,34 2016 59,121 49,5305 58,63346379 60,32 2015 60,9949 50,6441 57,53329204 59,4 2018 59,0878 49,429 59,12325725 60,83 2017 83,3695 70,2767 60,78135158 60,82 2020 61,1278 51,9929 59,12534996 61,09 Вариация 0,1956 0,0421 -0,160861281 1,75 www.rypravlenie.ru

том 19 № 3 (60), 2023, ст. 1

Рис. 9. Доля возобновляемых источников энергии в энергоснабжении

В таблице 6 показаны тесты нормальности переменных в последующем анализе, где заметно, что ни одна из 5 переменных не соответствует предположению о нормальности, поэтому мы рассчитаем корреляционный анализ с использованием коэффициента Спирмена.

• • Доля возобновляемых источников энергии в первичном энергоснабжении (REN_PRIM)

• • Доля возобновляемых источников энергии, не связанных со сжиганием, в первичном энергоснабжении (REN_NC_PRIM)

• Доля возобновляемых источников энергии в общем объеме энергоснабжения

(REN_OF_TOT)

• Доля возобновляемых источников энергии в общем конечном потреблении электроэнергии (REN_CON_TOT)

• Субсидии на ископаемое топливо (SUBS_FOS).

Таблица 6. Тест на нормальность Переменная Статистика             p-value REN_PRIM REN_NC_PRIM REN_OF_TOT REN_CON_TOT SUBS_FOS 0,8243                   6,07Э-10 0,71946                 2,20Э-16 0,89496                 1,51Э-06 0,89874                 2,50Э-06 0,44623                 2,20Э-16 www.rypravlenie.ru

том 19 № 3 (60), 2023, ст. 1

На рисунке 10 показан график корреляции переменных, упомянутых выше, где видно, что корреляции Спирмена являются значимыми среди переменных первого анализа и показывают небольшую обратную корреляцию между субсидиями на ископаемое топливо, выраженными в процентах от ВВП, и возобновляемой долей первичного энергоснабжения.

Рис. 10. Корреляционный график

На рисунке 11 мы видим, что эта обратная корреляция с годами становилась слабее в анализируемом периоде, приобретая тенденцию к независимости, которая может быть усилена с годами. Важно отметить, что корреляция магнитуды 0,3 считается слабой, но никогда не пренебрежимо малой обратной корреляцией, которая предполагает углубленный анализ с учетом того, что спрос на энергию растет общим и постоянным образом с годами, но должен быть напрямую связан с потреблением электроэнергии и долей генерируемой чистой энергии и энергии, не связанной со сжиганием.

том 19 № 3 (60), 2023, ст. 1

Рис. 11. Корреляции по годам

В таблице 7 показано явное увеличение доли возобновляемых источников первичного энергоснабжения, не требующих сжигания, в течение анализируемого периода, что также указывает на значительную тенденцию к снижению в 2020 году в сторону субсидирования ископаемого топлива.

Таблица 7. Изменения в доле возобновляемых источников энергии в Латинской Ам ерике

Год	REN_PRIM	REN_NC_PRIM	REN_OF_TOT	REN_CON_TOT	SUBS_FOS
2015	50,820	16,386	28,551	28,830	0,512
2016	50,689	16,525	28,000	28,762	0,527
2017	53,015	18,113	28,704	29,467	0,543
2018	51,849	17,408	28,793	29,452	0,676
2019	50,845	16,375	27,900	28,426	0,686
2020	52,638	18,572	30,232	30,648	0,406
Итог	51,643	17,230	28,696	29,264	0,558
Вариация	1,817	2,185	1,682	1,817	-0,106

Выводы

В соответствии с динамическим анализом основных компонентов и корреляциями, представленными с точки зрения процентной доли субсидий и доли возобновляемых источников энергии в энергоснабжении, отмечается, что в период анализа в Латинской Америке произошел переход от первичных возобновляемых источников энергоснабжения к чистым и возобновляемым источникам энергии, таким как гидроэнергетика, которая медленно, но, верно, вытесняет энергию, связанную со сжиганием. Кроме того, наблюдается резкое повышение энергоемкости сельскохозяйственной, рыболовной и горнодобывающей промышленности, несмотря на заметную обратную корреляцию, что свидетельствует о существенном росте потребления энергии, главным образом в контексте Латинской Америки. Следовательно, подтверждается необходимость проведения исследований и анализа, направленных на оценку потребления с точки зрения чистоты и возобновляемости источников энергии для устойчивого будущего.

Следует также отметить, что в доле потребления возобновляемых источников энергии доля возобновляемых источников энергии, не требующих сжигания первичных источников энергоснабжения, демонстрирует самый высокий процентный рост за последние годы, что свидетельствует о малозаметной тенденции к обратной корреляции с субсидиями на ископаемое топливо в процентном выражении ВВП. Вышеизложенное в общих чертах описывает тенденции в Латинской Америке к потреблению энергии из экологически чистых источников и к сокращению потребления и субсидирования ископаемых видов топлива для производства энергии.

Наконец, делается вывод о том, что:

• >    В Латинской Америке и Карибском бассейне наблюдается значительный рост использования возобновляемых источников энергии с упором на такие источники, как ветер и солнечная энергия.

• >    Несмотря на то, что предложение возобновляемых источников энергии выросло, в некоторых странах по-прежнему существует значительная зависимость от не возобновляемых источников энергии.

• >    Энергоемкость в различных секторах экономики менялась с течением времени, по мере увеличения потребления в таких секторах, как промышленность и торговля.

• >    Установленная мощность производства электроэнергии в регионе значительно возросла, что отражает растущее внимание к диверсификации источников энергии.

• >    Корреляция между долями возобновляемых источников энергии и субсидиями на ископаемое топливо указывает на сложную и меняющуюся взаимосвязь между этими факторами.

• >    Несмотря на рост использования возобновляемых источников энергии, необходимо продолжать мониторинг и содействие их развитию для достижения большей энергетической устойчивости в регионе.

• >    В целом, эти результаты дают ценную информацию об эволюции поставок и потребления возобновляемой энергии в Латинской Америке и Карибском бассейне, подчеркивая как достижения, так и проблемы, с которыми сталкивается регион в своем стремлении к более устойчивому энергетическому будущему.

https://www.ecominga.uqam.ca/PDF/BIBLIOGRAPHIE/GUIDE_LECTURE_1/CMMAD- Informe-Comision-Brundtland-sobre-Medio-Ambiente-Desarrollo.pdf

https://www.iri.edu.ar/publicaciones_iri/anuario/cd_anuario_2011/Mayd/Programa%20de%20las%20 Naciones%20Unidas%20para%20el%20Medio%20Ambiente%20-%20Informe%202010.pdf