Пространственно-динамическая интегрированная оценка водопользования в регионах Северо-Западного федерального округа России

Вода является жизненно важным возобновляемым природным ресурсом, от качества и количества которого зависят качество жизни и возможности развития экономики отдельных стран и регионов в их составе. Большое внимание этому уделено как в глобальных1, так и национальных направлениях устойчивого (в том числе «зеленого») развития Российской Федерации2. На всех уровнях управления важно обеспечить бережное отношение к водным ресурсам субъектами хозяйственной деятельности, повысить эффективность их использования, снизить масштабы загрязнения водных объектов и сохранить биоразнообразие в их экосистемах.

Многими авторами проводятся исследования по этим и другим направлениям. Изучению удельной водообеспеченности территорий посвящены труды И.А. Шик-ломанова и О.Л. Марковой (Шикломанов, Маркова, 1987), В.И. Данилова-Данильяна и К.С. Лосева (Данилов-Данильян, Лосев, 2006), Х. Ритчи и М. Розера (Ritchie, Roser, 2017) и других авторов. Изучению антропогенной нагрузки на водные объекты большое внимание уделено в работах И.Д. Рыбкиной (Рыбкина, 2023), В.Ф. Фоминой (Фомина, 2023) и пр. Авторы обращают внимание на неудовлетворительное качество воды, имеющийся дисбаланс между удельной водо-обеспеченностью территории и плотностью проживающего на ней населения (Данилов-Данильян, Лосев, 2006), указывают на расточительность водопользования (Третьякова, 2019; Huang et al., 2021; Li et al., 2022), а также на то, что невозможно добиться улучшения качества воды в водных экосистемах без снижения объема сброса загрязненных сточных вод3 (Турсуналиева, Токтосунова, 2022). Вклад авторов заключается в разработке методологии эколого-экономических исследований в сфере водопользования, построении систем аналитических показателей и научном обосновании необходимых управленческих решений.

Обращает на себя внимание то, что острота рассматриваемых проблем не снижается с течением времени – она как была высокой в 1990-е гг., так и остается акту- альной для современной России, несмотря на вновь разработанные технологии и имеющиеся возможности по их широкому использованию. Недостаткам эффективности внедрения наилучших доступных технологий (НДТ) уделено внимание во многих исследованиях. Полученные результаты указывают, что практическое использование НДТ приводит к существенному уменьшению массы сброса загрязняющих веществ и снижению концентрации в водных объектах основных поллютантов, что способствует расширению неистощительного водопользования в регионах (Адам и др., 2023). В то же время важно отметить, что точечное внедрение НДТ в сферы водоподготовки, водоснабжения, водоочистки и водоотведения является необходимым, но недостаточным условием. Только масштабное их использование может кардинально изменить сложившуюся ситуацию к лучшему. Одним из препятствий к повсеместному внедрению НДТ является низкая экономическая эффективность и длительность сроков окупаемости связанных с ними проектов. Исследователи указывают, что методология оценки эффективности в сфере водопользования требует актуализации. Ими рекомендуется разработать систему корректных расчетов стоимости единицы негативного воздействия на водные объекты и забора воды, для того чтобы сделать внедрение технологий экономически выгодным (Касимова и др., 2015).

В своих исследованиях авторы используют как абсолютные показатели экологической нагрузки (объем изъятия воды из поверхностных и подземных источников и объем сброса загрязненных сточных вод), так и удельные, характеризующие интенсивность антропогенного воздействия (соотношение величин экологической нагрузки и экономического результата хозяйственной деятельности) (Семячков, 2022; Горбатенко, 2023; Рыбкина и др., 2023). Ученые их подразделяют на показатели ре-сурсоемкости – водоемкость экономики в целом или отдельных видов экономической деятельности, а также интенсивности загрязнения – сброс загрязняющих веществ в поверхностные водные объекты в расчете на 1000 руб. валового продукта (Горбатенко, 2023; Рыбкина, 2023; Фомина, 2023; Попова, 2023).

Распределение изучаемых показателей по уровню их значения в пространстве отображаются, как правило, с использованием картографического метода либо в форме таблиц и разного рода диаграмм. При этом степень пространственной неоднородности в большинстве случаев оценивается с помощью коэффициента вариации. R. Chen с коллегами используют в своем труде коэффициент Джини (Chen et al., 2023). Изменение изучаемых показателей во времени исследуется путем расчета темповых характеристик (коэффициентов и темпов изменений, прироста/убыли значений). Во многих исследованиях эти инструменты используются в комплексе (Джамалов и др., 2022; Попова, 2023; Zhang, 2025; Насыров и др., 2026).

При использовании эконометрических методов строятся модели временных рядов или модели по панельным данным. Однако стоит отметить, что временные ряды далеко не всегда являются стационарными и это выступает ограничением для их применения. Из-за сильного разброса значений модели могут не отвечать качественным требованиям, предъявляемым со стороны различного рода тестов, что также является важным условием в их применении. Ограничение в возможностях использования стимулирует исследователей к поиску новых методов и моделей, а также построению новых систем индикаторов.

Количество публикаций по проблемам рационального использования ресурсов, включая водные, не уменьшается. На текущий момент существует множество научных работ, предлагающих разного рода методы и инструменты для оценки рациональности, сбалансированности и эффективности использования тех или иных природных запасов. Эти труды вносят зна- чимый вклад в исследование существующих проблем. Количество работ и их раз-нонаправленность указывают на высокую актуальность совершенствования оценочного инструментария в направлении комплексной многоаспектной диагностики, позволяющей характеризовать сложившуюся ситуацию как в пространственных, так и во временных аспектах; выявлять тренды и заблаговременно принимать соответствующие управленческие решения. В связи с этим целью исследования стало формирование интегрированной модели комплексного пространственно-динамического эколого-экономического оценивания использования природных ресурсов и ее апробация на примере водопользования в регионах Северо-Западного федерального округа России, которые отличаются развитой и дифференцированной промышленностью с высокой экологической интенсивностью воздействия на природные водные объекты. Задачи исследования: обзор научной литературы по оценке водопользования, формирование аналитического эколого-экономического инструментария, отвечающего поставленной цели, и апробация.

Расчеты проводились в период 2015– 2024 гг. В выборку вошли все 11 регионов, образующих Северо-Западный федеральный округ. Число наблюдений по каждому анализируемому индикатору равнялось 110, а их общее количество – 630. Коэффициенты корреляции рассчитывались при уровне значимости 0,05 (в работе приведены только статистически значимые результаты). Научная новизна заключается в интеграции разных востребованных на текущий момент методических инструментов в единый исследовательский контур, существенно повышающий их объединенный аналитический потенциал. Практическая значимость состоит в получении необходимой информации для лиц, принимающих решение по ряду важнейших аспектов в интегрированном виде.

Материалы и методы

Информационной базой исследования послужили открытые данные, размещенные на сайте Федеральной службы государственной статистики Российской Федерации и Министерства природных ресурсов и экологии Российской Федерации.

В процессе исследования были использованы методы анализа, синтеза, аналитических группировок, абсолютных и относительных величин, цепных подстановок, статистического анализа данных, графического отображения.

Построение интегрированной модели комплексного пространственно-динамического эколого-экономического оценивания использования природных ресурсов ( рис. 1 ) осуществлялось на основе принципа содержательного дополнения имеющихся методов и инструментов анализа в этой области. Учитывая, что большинство авторов в своих эколого-экономических исследованиях опираются на значения достигаемого экономического результата (ЭР), уровни экологической нагрузки (ЭН) и экологической интенсивности (ЭИ)⁴, то, безусловно, первым шагом в аналитических процедурах должно быть формирование соответствующей базы данных.

Представление этих данных в виде диаграмм, графиков, карт и картосхем позволит визуализировать их пространственное распределение среди регионов России или стран мира.

При этом степень пространственной дифференциации показателя можно определить с помощью коэффициента вариации:

к_в = -_■ 10^0,                (1)

•X где Кв – коэффициент вариации;

σ – среднеквадратическое отклонение показателя;

x - среднее значение показателя.

Значение коэффициента вариации до 10% свидетельствует об относительной однород-

Рис. 1. Интегрированная модель комплексного пространственно-динамического эколого-экономического оценивания использования природных ресурсов Источник: составлено автором.

ности исследуемой совокупности объектов; в пределах 10–33% – относительная дифференциация; больше 33% – выраженная диф-ференциация5.

Масштабы изменений значений показателей, происходящие с течением времени, исследователи оценивают с помощью таких динамических характеристик, как темп прироста (убыли) показателя:

Т _П(у)= — • 100 - 100, (2)

' xb где Тп(у) – темп прироста (убыли) показателя;

х_i – значение показателя в текущем периоде;

х_b – значение показателя в базисном периоде.

При Тп(у) < 0 отмечается снижение значения показателя за анализируемый период; Тп(у) > 0 – рост.

Использование данных динамических характеристик позволяет оценить тип эколого-экономической динамики, суть которой подробно изложена в работах (Victor, 2015; Shang et al., 2015; Глазырина и др., 2015), а кратко отображена в таблице 1 .

Таблица 1. Определение типа эколого-экономической динамики

Тип динамики	ЭР	ЭН	ЭИ
Черный рост	Т п(у) ≥ 0	Т п(у) ≥ 0	Т п(у) ≥ 0
Коричневый рост	Т п(у) ≥ 0	Т п(у) ≥ 0	Т п(у) ≤ 0
Зеленый рост	Т п(у) ≥ 0	Т п(у) ≤ 0	Т п(у) ≤ 0
Черный спад	Т п(у) ≤ 0	Т п(у) ≥ 0	Т п(у) ≥ 0
Зеленый спад	Т п(у) ≤ 0	Т п(у) ≤ 0	Т п(у) ≥ 0
Абсолютно зеленый спад	Т п(у) ≤ 0	Т п(у) ≤ 0	Т п(у) ≤ 0
Составлено по (Victor, 2015; Shang et al., 2015; Глазырина и др., 2015).

5 Полякова В.В., Шаброва Н.В. (2015). Основы теории статистики: учебное пособие. Екатеринбург: Изд-во Уральского университета. С. 58.

Динамические характеристики также могут быть использованы для расчета коэффициента эластичности декаплинга (Kong et al., 2021; Кутышкин, Шульгин, 2024; Tapio, 2005):

_ Тп(у) ЭН К э = _т , ^Т п(у)^ЭР

где Кэ – коэффициент эластичности де-каплинга;

Т _п(_у) Эн — темп прироста (убыли) экологичес кой на грузки;

^Тп(у)^ЭР - темп прироста (убыли) экономического результата.

Значение коэффициента эластичности декаплинга в совокупности с динамическими характеристиками экономического результата и экологической нагрузки позволяет определить его вид ( табл. 2 ).

Пространственная неоднородность экономического результата, экологической нагрузки и интенсивности хозяйственной деятельности, в совокупности с типом эколого-экономической динамики и видом декаплинга, дают большой объем информации, которую можно использовать для выявления приоритетных территорий (регионов, муниципальных образований) с точки зрения остроты сложившейся ситуации и характера ее динамики. Это важно учитывать при принятии управленческих решений. Однако важным является определение факторов, обусловивших данную динамику и выявленные тенденции. Поэтому для уси- ления информативности аналитического инструментария целесообразно включить в модель факторный и корреляционный анализы.

Среди множества факторных моделей, используемых в эколого-экономических исследованиях, широкое распространение получила IPAT, в которой масштаб антропогенного воздействия ( I, impact ) или экологическая нагрузка (ЭН), зависят от трех факторов: численности населения ( P, population ), благосостояния людей ( A, affluence ) и используемых технологий ( T, technology ): I = P · А · Т (Шкиперова и др., 2015; Третьякова, 2019; Kong et al., 2021) .

Применительно к данному исследованию модель можно представить следующим образом:

ЭН = ЧН • БН • ЭИ, (4)

где ЭН – экологическая нагрузка;

ЧН – численность населения;

БН – благосостояние населения (валовой продукт на душу населения);

ЭИ – экологическая интенсивность, характеризующая применяемые технологии.

Оценить изменение экологической нагрузки под влиянием указанных факторов можно с использованием метода цепных подстановок, что позволит количественно измерить вклад каждого компонента в виде трех эффектов: популяционного (изменение численности населения), доходного (генерируемый внутри экономической систе-

Таблица 2. Определение вида декаплинга

Вид декаплинга	ЭР	ЭН	К э
Сильный декаплинг	Т п(У) > 0	< 0	К э < 0
Слабый декаплинг	Т п(у) > 0	ТпМ >  0	Кэ< 0,8
Экспансивный негативный декаплинг	Т п(у) > 0	>0	Кэ> 1,2
Сильный негативный декаплинг	Т п(у) < 0	>0	К э < 0
Слабый негативный декаплинг	Т п(у) < 0	< 0	Кэ< 0,8
Рецессивный декаплинг	Т п(у) < 0	Т п(У) < 0	Кэ> 1,2
Экспансивный декаплинг	Т п(у) > 0	Т п(У) > 0	0,8 < Кэ< 1,2
Рецессивный декаплинг	Т п(у) < 0	Т п(У) < 0	0,8 < Кэ< 1,2
Составлено по (Забелина, 2019; Глазырина, 2020; Забелина, 2023; Кутышкин, Шульгин, 2024; Allocca et al., 2025).

мы) и технологического (изменение экоинтенсивности в результате технологической модернизации).

При проведении корреляционного анализа в эколого-экономических исследованиях наиболее часто исследователями рассчитываются коэффициенты корреляции Пирсона (при нормальном распределении показателей) и Спирмена (при распределении, отличном от нормального), по значениям которых судят о тесноте связи между исследуемыми показателями.

Обобщение полученной информации позволяет сделать вывод относительно типа эколого-экономической динамики и вида декаплинга, сформировавшихся тенденциях ее изменения, а также обусловивших ее факторах. Благодаря этому осуществляется обоснованный выбор инструментов для оказания целенаправленного управленческого воздействия с последующим мониторингом его результатов. Предлагаемую модель можно использовать для пространственного ранжирования регионов и обоснования дифференцированных управленческих решений.

Результаты и обсуждение

В 2024 году в Северо-Западном федеральном округе объем ресурсов речного стока составил 580,9 км3/год, что на 2,0% выше среднего многолетнего значения (569,6 км3/год) и на 3,0% выше предшествующего года6. Наибольший объем наблюдался в Архангельской области (353,7 км3/год), наименьший – в Псковской области (13,2 км3/год).

Регионы Северо-Западного федерального округа в достаточной степени обеспечены водными ресурсами (рис. 2а), при этом по удельным показателям (рис. 2б) Калининградская область относится к категории территорий с высокой водообеспе-ченностью населения, а остальные регионы – с очень высокой (Шикломанов, Маркова, 1987). Больше всего снабжены водными ресурсами северные регионы: Архангельская область, Ненецкий автономный округ, Республика Коми (рис. 2). У них вместе с Мурманской областью отмечается небольшое снижение как общих, так и удельных значений.

Модель оценки типа эколого-экономической динамики отталкивается от экономического результата и экологической нагрузки. В качестве первого рассматривался валовой региональный продукт. Для исключения, искажающего влияние инфляции, производился перевод из текущих цен в постоянные (2015 года).

На рис. 3а показано, что за анализируемый период в большинстве регионов округа наблюдался экономический рост. Наиболее заметным он был в Ленинградской области (+44,7%), г. Санкт-Петербург (+32,2%) и в Калининградской области (+23,9%). Спад отмечался в Республике Коми (-7,6%) и Ненецком автономном округе (-2,0%), где преобладает добывающая промышленность, испытывающая колоссальное внешнеэкономическое давление.

Исследование показало, что производимый валовой продукт положительно связан с обеспеченностью водными ресурсами – коэффициент корреляции составил 0,35. При исключении из выборки г. Санкт-Петербурга, Ленинградской и Мурманской областей (значительно отличающихся по своим показателям от других регионов) величина коэффициента корреляции возрастает до 0,66, что указывает на значимую роль водных ресурсов в экономике регионов округа.

Наибольший вклад в формирование валового продукта округа вносят г. Санкт-Петербург, Ленинградская и Вологодская области. Однако в расчете на душу населения лидером является Ненецкий автономный округ ( рис. 3б ) и единственный имеет негативную динамику. В Республике Коми, в связи с опережающими темпами убыли населения на фоне снижения общей суммы валового продукта, отмечается его рост в расчете на душу населения.

г.Санкт-Петербург

Архангельская область

Ненецкий автономный округ

Республика Коми

Ленинградская область

Мурманская область

Республика Карелия

Вологодская область

Новгородская область

Калининградская область

Псковская область

2015 2016 2017 2018 2019

2020 2021 2022 2023 2024

0	2000   4000	6000
г.Санкт-Петербург	Нет данных	6431,6
Ненецкий автономный	Г 21,6%
округ
		5039,8
	379,8
Архангельская область	371,7	-2,1%
Республика Коми	254,7 227,5	-10,7%
Республика Карелия	110,8 121,0	+9,2%
Мурманская область	98,4 96,7	-1,8%
Ленинградская область	44,1 48,5	+10,1%
Вологодская область	37,0 45,1	+21,8%
Новгородская область	27,8 43,6	+56,7%
Псковская область	13,6 22,8	+68,5%
Калининградская область	15,5 19,5	+25,5%
2015 2016 2017 2018 2019
2020 2021 2022 2023 2024

а) всего, км3/год

б) на душу населения, тыс. м3

Рис. 2. Ресурсы речного стока

Примечание: темп убыли обозначен курсивом.

Источник: О состоянии и об охране окружающей среды Российской Федерации в 2024 году. Государственный доклад. Москва: Минприроды России; ВНИИ Экология. 721 с.

Источник: рассчитано автором.

0	2 000 000 4 000 000
	3 387 418
г.Санкт-Петербург	+32,2%
	849 617
Ленинградская область	+44,7%
	1 229 103
	478 893
Вологодская область	+3,7%
	496 553
	528 403
Республика Коми	-7,6%
	488 450
	349 819
Калининградская область	+23,9%
	433 318
	400 505
Архангельская область	+5,3%
	421 613
	401 583
Мурманская область	Л                   +1,5%
	407 648
	234 076
Новгородская область	+15,8%
	271 030
	212 050
Республика Карелия	+6,5%
	225 842
Ненецкий автономный	227 194
	-2,0%
округ	222 643
	135 240
Псковская область	+17,3%
	158 588
2015 2016 2017 2018 2019
2020 2021	2022 2023 2024

0	2000	4000	6000
			5358,3
Ненецкий автономный			г -1,2%
округ			5292,8
	638,7
г.Санкт-Петербург			+24,6%
	796,1
	635,8
Республика Коми			+7,0%
	680,6
	543,4
Мурманская область			+14,7%
	623,4
	468,1		+28,2%
Ленинградская область
	600,3
	380,5
Новгородская область			+25,1%
	476,2
	402,8
Вологодская область			+10,2%
	444,0
	365,9
Архангельская область			+21,1%
	443,0
	352,3
Республика Карелия			+22,9%
	433,1
	359,2
Калининградская область			+16,7%
	419,3
	210,8
Псковская область			+30,2%
	274,5
2015 2016 2017 2018 2019
2020 2021 2022 2023 2024

а) всего, млн руб.

б) на душу населения, тыс. руб.

Рис. 3. Валовой региональный продукт в ценах 2015 года

Рассчитано автором по: данные Росстата. URL:

По объему произведенного валового регионального продукта регионы СевероЗападного федерального округа очень дифференцированы ( рис. 4а ), причем в постпан-демийный период отмечается рост этого уровня. Разница валового продукта в расчете на душу населения, напротив, в допанде-мийный период была выше.

Объемы забора воды и создаваемого валового продукта положительно связаны – коэффициент корреляции составил 0,38 (после исключения из выборки г. Санкт-Петербург, Мурманской области и Ненецкого автономного округа). Низкое значение может указывать на наличие эффекта дека-плинга в отдельных регионах. Объемы забора воды также отличает высокая степень дифференциации (рис. 4б), хотя она ниже, чем у сбросов загрязненных сточных вод и потерь воды.

175,0

168,7

141,6      142,6

172,8

143,0      144,9

162,7

155,9

148,8

163,3

158,2      151,8

155,8

150,2                 152,8

145,1      144,3

,0

2015      2016      2017      2018      2019      2020      2021      2022      2023      2024

—•— всего —•— на душу населения

• а)    валовой региональный продукт

  
  
  
  
  

  2015      2016      2017      2018      2019      2020      2021      2022      2023      2024

—•— Забор воды   —•— Сброс загрязненных сточных вод   —•— Потери воды

• б)    экологическая нагрузка

  
  

  			113,8					121,8	123,3
  101,6	104,1	108,3		104,1	104,4	97,1	109,7
  •--
  71,9	73,1	71,8	70,4	78,3	74,6	68,5	70,8	71,1	77,4
  			----г* ’	---		' ----------------------	___• ■ -
  50,5	54,1	57,1	58,1	59,4	57,3	51,0	58,0	56,4	-- 54,3
  2015	2016	2017	2018	2019	2020	2021	2022	2023	2024

  
  

—•— Забор воды   —•— Сброс загрязненных сточных вод   —•— Потери воды

• в)    экологическая интенсивность

Рис. 4. Коэффициент вариации, %

Источник: рассчитано автором.

Раздел B Раздел C z Раздел D ■ Раздел Е

Раздел B – добыча полезных ископаемых; Раздел C – обрабатывающие производства;

Раздел D – обеспечение электрической энергией, газом и паром; кондиционирование воздуха; Раздел E – водоснабжение, водоотведение, организация сбора и утилизация отходов, деятельность по ликвидации загрязнений.

Рис. 5. Доля промышленных видов экономической деятельности в структуре валового регионального продукта регионов Северо-Западного федерального округа в 2024 году, % Рассчитано автором по: данные Росстата. URL:

На рисунке 5 показаны существенные различия по вкладу промышленных производств в валовой региональный продукт в регионах Северо-Западного федерального округа.

Экономический спад в Республике Коми сопровождался снижением объемов забора воды из природных водных объектов (-3,4%), а в Ненецком автономном округе, напротив, их ростом (+76,3%). На рисунке 6а продемонстрировано, что в целом за анализируемый период рост забора воды наблюдался в шести, а снижение – в пяти регионах округа. Лидерами по данному показателю являются Мурманская область и г. Санкт-Петербург.

Объем забора воды характеризует экологическую нагрузку на водные объекты, а его соотношение с объемом валового регионального продукта показывает экологическую интенсивность воздействия. Она является наивысшей у Мурманской и Архангельской областей и наименьшей – у Ненецкого автономного округа и г. Санкт-Петербург (рис. 6б).

В Северо-Западном федеральном округе преобладает забор воды из поверхностных водных объектов. В 2024 году объем добычи составил 4675,8 млн м3. Каптаж из подземных источников – 621,2 млн м3. Мощность оборотных систем водоснабжения в целом по федеральному округу была 14396,6 м3, наибольшие из них были сконцентрированы в Вологодской области.

Объем использования воды составил 4849,64 млн м3, наибольшая часть которой была направлена на производственные (3704,35 млн м3), питьевые и хозяйственнобытовые нужды (726,15 млн м3)7.

В то же время нельзя не отметить, что степень дифференциации показателя является самой высокой среди всех анализируемых

Мурманская область г.Санкт-Петербург

Ленинградская область

Архангельская область

Республика Коми

Вологодская область

Республика Карелия

Калининградская область

Псковская область

Новгородская область

Ненецкий автономный округ

2015 2016 2017 2018 2019

2020 2021 2022 2023 2024

0	2	4	6
Мурманская область		3,70	+15,6%
	4,28
Архангельская область	1,36		-10,4%
	1,22
	0,99
Республика Коми	1,03		+4,4%
	0,95
Республика Карелия	0,93		-2,5%
Псковская область	1,06		-28,8%
	0,75
	0,63
Ленинградская область	0,62		-1,6%
	0,89
Вологодская область	0,53		-40,6%
	0,43
Новгородская область	0,40		-6,6%
	0,34
Калининградская область	0,30		-10,4%
	0,29
г.Санкт-Петербург	0,21		-29,2%
Ненецкий автономный	0,06		+76,6%
округ	0,10
2015 2016 2017 2018 2019
2020 2021	2022 2023 2024

а) всего, млн м3

б) м3 на 1000 тыс. руб. валового регионального продукта

Рис. 6. Забор воды из природных водных объектов

Источник: О состоянии и об охране окружающей среды Российской Федерации в 2024 году. Государственный доклад. Москва: Минприроды России; ВНИИ Экология. 721 с.

Источник: рассчитано автором.

значений экологической интенсивности. В динамике отмечается рост антропогенной нагрузки водозабора в трех регионах округа – Ненецком автономном округе, Мурманской области и Республике Коми, а ее снижение – в оставшихся восьми субъектах.

К сожалению, существует прямая связь между водозабором и потерями при транспортировке (коэффициент корреляции –

0,43). Наименьшая разница в Ненецком автономном округе – 1,3%, наибольшая – в Новгородской области (12,6%). Потери во многом обусловлены высокой степенью износа основных производственных фондов в коммунальной сфере (коэффициент корреляции – 0,44). Изношенность оборудования составляет от 38,0% в Республике Карелия до 60,5% в Республике Коми.

Утрата водных ресурсов при транспортировке за анализируемый период отмечалась в пяти регионах Северо-Западного федерального округа как в абсолютном (рис. 7а), так и в относительном выражении (рис. 7б). Наибольший темп роста характерен для Архангельской области (246,5%). Лидирует по объему потерь г. Санкт-Петербург, а по интенсивности – Новгородская область. Степень разброса абсолютных значений показателя высока, но имеет тенденцию к снижению. Масштабы дифференциации относительного показателя наименьшие среди значений экологической интенсивности, однако все равно являются высокими.

000
Новгородская область	0,04 +17,7% 0,05
Архангельская область	0,01 +229,2% 0,04
Ленинградская область	0,05 -33,4%
	0,03
Республика Карелия	0,03 +12,7% 0,03
Псковская область	0,04 -22,0%
	0,03
Мурманская область	0,04 -34,3% 0,03
Вологодская область	0,03                      ' г 0,03          -14,3%
	0,02
Республика Коми	0,02
	+23,0% 0,02
Калининградская область	0,03 -48,8%
	0,01
г.Санкт-Петербург Ненецкий автономный округ 2015 2016 2020 2021	0,03 -50,8% 0,01 0,0008 +61,1% 0,0013 2017 2018 2019 2022 2023 2024

а) всего, млн м3

б) м3 на 1000 тыс. руб. валового регионального продукта

Рис. 7. Потери воды при транспортировке

Источник: О состоянии и об охране окружающей среды Российской Федерации в 2024 году. Государственный доклад. Москва: Минприроды России; ВНИИ Экология. 721 с.

Источник: рассчитано автором.

Большинство регионов округа сократили объем сброса загрязненных сточных вод (рис. 8а). Он не изменился только в Ненецком автономном округе и немного вырос в Ленинградской области (на 0,2%). Однако степень разброса значений (будучи и так очень высокой) выросла за анализируемый период. По объему водоотведения лидирует г. Санкт-Петербург, по интенсивности – Архангельская область и Республика Карелия. Степень дифференциации оставалась высо- кой на протяжении всего исследуемого периода и имела тенденцию к росту. Эмиссия напрямую связана с величиной производимого валового регионального продукта – коэффициент корреляции составил 0,37 без г. Санкт-Петербурга, Ленинградской и Архангельской областей, существенно отличающихся от других регионов по объемам загрязнения. Невысокое значение коэффициента может указывать на наличие эффекта декаплинга в отдельных регионах округа.

0       400      800     1 200
г.Санкт-Петербург
	"   -8,4% 938
Ленинградская область Архангельская область Мурманская область Республика Карелия Калининградская область Вологодская область Республика Коми Псковская область Новгородская область Ненецкий автономный округ 2015 2016 2020 2021	269 +0,2% 270 330 -22,8% 255 328 -61,0% 128 206 V             -43,1% 117 107 -19,5% 86 145 -57,3% 62 117 -47,9% 61 35 -3,1% 34 76 -76,9% 18 0 0                     0,0% 2017 2018 2019 2022 2023 2024

а) всего, млн м3

2015 2016 2017 2018 2019

2020 2021 2022 2023 2024

б) м3 на 1 000 тыс. руб. валового регионального продукта

Рис. 8. Сброс загрязненных сточных вод

Источник: рассчитано автором.

Источник: О состоянии и об охране окружающей среды Российской Федерации в 2024 году. Государственный доклад. Москва: Минприроды России; ВНИИ Экология. 721 с.

На рисунке 9 отражены результаты определения по рассмотренным выше динамическим характеристикам типа эколого-экономической динамики ( рис. 9а ), вида де-каплинга ( рис. 9б ) и факторного анализа по модели IPAT ( рис. 9в ), позволяющего оценить силу воздействия популяционного, доходного и технологического эффектов на объемы забора воды из природных водных объектов.

«Зеленый» экономический рост отмечался в четырех регионах Северо-Западного федерального округа: г. Санкт-Петербург, Архангельская, Вологодская и Псковская области. Благодаря достижению сильного декаплинга, обеспеченному преимущественно за счет технологического эффекта, снизилась экологическая интенсивность хозяйственной деятельности.

абсолютно зеленый спад;

зеленый спад черный рост; коричневый рост; зеленый рост; ■ черный спад;

а) тип эколого-экономической динамики

Экспансивный негативный декаплинг Слабый декаплинг Слабый негативный декаплинг -0,2 Сильный          -0,9 декаплинг -1,1 -10,4 Сильный -36,8 негативный декаплинг -50,0      0,

11,6 Мурманская область 0,9      Ленинградская область 0,6       Республика Карелия 0,5       Новгородская область 0,5       Калининградская область 0,4       Республика Коми г.Санкт-Петербург Псковская область Архангельская область Вологодская область Ненецкий автономный округ 0       50,0

-600 -400 -200   0   200 400

Мурманская область

Республика Коми

-30 I

I 40

-5

-8

-8

-13

Ленинградская область

-15

-16

-48

-80

-60

-179

-380

■ эффект популяции

■ технологический эффект

Ненецкий автономный округ

Республика Карелия

Новгородская область

Калининградская область

Псковская область

Архангельская область

Вологодская область

г.Санкт-Петербург

■ эффект дохода

б) вид декаплинга

в) эффекты

Рис. 9. Результаты пространственно-динамического анализа забора воды из природных водных объектов

Источник: рассчитано автором.

Мурманская и Новгородская области характеризуются «черным» ростом. Это вызвано экспансивным негативным дека-плингом, когда рост экономики вызывает увеличение водозабора (действие эффекта дохода). Также, находящиеся в использовании водоемкие технологии обусловили рост экологической интенсивности и объемы выкачивания водных ресурсов, что является негативным влиянием технологического эффекта.

В Республике Коми наблюдался «зеленый» экономический спад из-за слабого не- гативного декаплинга, когда экологическая нагрузка снижается более медленными темпами, чем наблюдаемый спад в экономике, в результате чего возрастает экологическая интенсивность деятельности. При этом на фоне снижения общей суммы валового продукта в регионе (отрицательный темп которого выше численности населения республики) отмечается рост валового регионального продукта в расчете на душу населения.

На рисунке 10 отражены результаты определения типа эколого-экономической динамики ( рис. 10а ), вида декаплинга ( рис. 10б )

черный рост; коричневый рост; зеленый рост; ■ черный спад;

абсолютно зеленый спад;

зеленый спад

а) тип эколого-экономической динамики

Рецессивный декаплинг	6,3
Слабый декаплинг	0,004
Сильный негативный декаплинг	0,000
-0,2

-0,3

-0,8

Сильный         -4,3 ■ декаплинг

-4,9 ■

-6,6 ■

-15,5

-40,7

Республика Коми

Ленинградская область

Ненецкий автономный округ

Псковская область г.Санкт-Петербург

Калининградская область

Архангельская область

Новгородская область

Республика Карелия

Вологодская область

Мурманская область

Ненецкий автономный округ

Псковская область

Калининградская область

Республика Коми

Новгородская область

Вологодская область

Архангельская область

Республика Карелия

Ленинградская область

Мурманская область

■ эффект популяции

■ технологический эффект

267 г.Санкт-Петербург

■ эффект дохода

-50,0-40,0-30,0-20,0-10,0 0,0 10,0

б) вид декаплинга

в) эффекты

Рис. 10. Результаты пространственно-динамического анализасброса загрязненных сточных вод Источник: рассчитано автором.

и масштабы популяционного, доходного и технологического эффектов ( рис. 10в ) в отношении сброса загрязненных сточных вод. Из рисунка следует, что большинству регионов округа присущ «зеленый» рост, обусловленный сильным декаплингом и преобладанием технологического эффекта, снизившего экологическую интенсивность хозяйственной деятельности. «Зеленый» спад и рецессивный декаплинг отличают Республику Коми, а «черный» с сильным негативным декаплингом – Ненецкий автономный округ.

В целом по сбросам в Северо-Западном федеральном округе отмечается более позитивная динамика, чем по забору воды, поэтому фокус управленческого воздействия и его интенсивность может меняться в направлении водосбережения.

Исследование показало, что утилизация загрязненной воды напрямую связана с текущими затратами на сбор и очистку – коэффициент корреляции 0,57 (рис. 11). Она же обратно связана с их удельной величиной – коэффициент корреляции -0,37 (рис. 12), то есть при росте затрат на сбор и очистку сточных вод в расчете на 1 м3 отмечается такой позитивный экологический эффект, как снижение экологической нагрузки в виде сокращения объемов их сброса.

Экономический механизм также работает и в отношении объема забора воды – коэффициент вариации равен -0,58, т. е. с ростом удельной величины водного налога снижается объем выкачки ( рис. 13 ). Адекватно установленная цена воды стимулирует хозяйствующих субъектов к ресурсосбережению: рост цены стимулирует предприятия к сокращению потерь – коэффициент корреляции составил -0,40 ( рис. 14 ).

Полученные результаты подтверждают мнение и других авторов относительно необходимости пересмотра ставок ресурсных налогов и платежей за загрязнение окружающей среды (Зима, 2024). Последние законодательные изменения в этой сфере8 направлены на усиление их регулирующей роли, возможность оценить их последствия появится после опубликования очередных статистических данных.

8 000

• Ленинградская область

7 000

6 000

5 000

4 000

3 000

г. Санкт-Петербург

• •    Вологодская область

• •    Мурманская область

• •    Архангельская область

• Республика Коми

2 000

1 000

Калининградская область а» Республика Карелия

Новгородская область

Псковская область

• Ненецкий АО

0     200    400    600    800   1 000

Сброс загрязненных сточных вод,

млн м3

Вологодская область

. • Калининградская область Новгородская область

Псковская область

Республика Коми

• • Республика Карелия г. Санкт-Петербург +• Архангельская область •

•   • Ленинградская область

Мурманская область

200    400    600    800   1 000

Сброс загрязненных сточных вод, млн м3

Рис. 11. Сброс загрязненных сточных вод и текущие затраты на сбор и очистку сточных вод в 2024 году

Источник: рассчитано автором.

Рис. 12. Сброс загрязненных сточных вод и удельные затраты на очистку (без Ненецкого АО) в 2024 году Источник: рассчитано автором.

о 300

CD ™

ГО

ГП Q

£ 2 250

го

с; н

|= га ос т «> 200

0J

• Калининградская область

• Псковская область

Ненецкий АО

• Новгородская область

• Калининградская область

Псковская область

II Ненецкий АО

• Новгородская область

Вологодская область

•    .   • Ленинградская область

Республика Коми г. Санкт-Петербург

Архангельская область Мурманская

Республика Карелия область

Вологодская область Ленинградская

• •    ^{Республика Комиоблас}г^т. ^ьСанкт-Петербург

• •    • Архангельская область

Республика Карелия

Мурманская область

0        500      1 000     1 500     2 000

0        20       40       60       80

Забор воды из природных водных объектов, млн м3

Потери воды при транспортировке,

млн м3

Рис. 13. Удельная плата за воду и забор воды в 2024 году

Источник: рассчитано автором.

Рис. 14. Удельная плата за воду и потери воды в 2024 году Источник: рассчитано автором.

Заключение

Апробация предложенной в данной работе интегрированной модели комплексного пространственно-динамического эколого-экономического оценивания использования природных ресурсов, на примере водопользования в Северо-Западном федеральном округе России, позволила выявить наиболее проблемные регионы с точки зрения водоемкости их экономики и интенсивности антропогенного загрязнения окружающей среды.

В частности, наиболее сложной является ситуация в Ненецком автономном округе с «черным» экономическим спадом, для которого характерны как рост объемов потребления воды (преимущественно затрачиваемой на поддержание пластового давления при добыче углеводородного сырья), так и антропогенное загрязнение поверхностных водных объектов (с нарастанием объемов сброса сточных вод в подземные водные объекты)9. Ситуацию усугубляет увеличение потерь воды при транспортировке.

Негативные тенденции могут нарастать из-за климатических изменений: нефтяная инфраструктура возведена на многолетнемерзлых грунтах, которые под воздействием теплового поля сооружений оттаивают и дают значительные просадки, приводящие к деформации фундаментов сооружений и свайных оснований; возникновению трещин в фундаментах и емкостях, приводящих к утечкам нефти; загрязнению почв, грунтов и подземных вод10. Учитывая сформировавшиеся негативные тренды, необходимы комплексные программы для решения сложных многоаспектных (технических, технологических, экономических и др.) задач. Реализуемые на текущий момент в рамках регионального проекта «Сохранение уникальных водных объектов» меры по очистке береговых полос, водоохранных зон от промышленных отходов и бытового мусора, а также мониторинг состояния дна и берегов водных объектов в границах водоохранных зон являются явно недостаточными, так как не воздействуют на причины, вызывающие и усиливающие сложившиеся тенденции. Результаты исследования показывают, что этому региону должно уделяться первостепенное внимание со стороны органов власти, общественных и научных организаций.

«Коричневый» рост, характеризующийся увеличением объемов потребления воды и эмиссии загрязненных сточных вод, присущ Ленинградской области, где еще и высокий показатель потери воды при транспортировке (при этом имеется тенденция к снижению). Высокой водоемкостью экономики отличаются Мурманская и Новгородская области, где темпы роста объема забора воды опережают темпы экономики. Сложившуюся ситуацию во многом обусловили отрицательный (Мурманская область) и слабоположительный (Новгородская область) технологические эффекты, выражающиеся в росте водоемкости. В этих субъектах для преодоления сложившихся тенденций особенно важны меры стимулирования технологического переоснащения в направлении производственного водоосбережения, сни- жения потерь воды при транспортировке, а также обеспечения очистки сточных вод до нормативного уровня.

Высокая обеспеченность водными ресурсами регионов Северо-Запада России не может служить поводом для расточительного водопользования, а высокая дифференциация значений экономических и экологических показателей указывает на необходимость разработки программ с учетом региональной специфики. Важно в контуре государственного регулирования органично сочетать как административные меры нормирования и управления, так и экономические способы стимулирования и ограничения, которые также являются действенными, как показал проведенный корреляционный анализ.

Автор данной работы выражает надежду, что разработанный подход и полученные результаты окажут содействие лицам, принимающим решения, при обосновании выбора конкретного набора мер в каждом регионе для целенаправленного улучшения ситуации в сфере водопользования.