Scientific journal

Scientific Review. Geographical Sciences

Введение. Рассматривая соотношение этнических образований с той территорией, где они размещаются, Л. Н. Гумилев подчеркивает, «что каждый этнос представляет собой оригинальную форму адаптации человека в биоценозе ландшафта», и называет такой ландшафт не только вмещающим, но и кормящим ландшафтом [1].

География – это пространство, а вернее, различия в нем и поиск закономерностей этих различий. Восприятие при комплексной географической характеристике углубляется. Любая территория имеет факторы развития. Их можно разделить на внутренние и внешние. К первым относятся природные ресурсы, экономический потенциал, особенности населения [2].

С позиций прикладной математики получается, что различия должны иметь наибольшую изменчивость, причем как по списку учитываемых факторов, так и по их значениям.

Под экологической оценкой, согласно мнению Б.И. Кочурова [3], понимается выявления уровней благоприятности природно-ландшафтных условий территории для проживания человека. Однако уровни понимаются только как классификационные признаки. Мы же предлагаем дополнительно к списку факторов для моделирования методом идентификации закономерностей применять статистические данные путем консолидации разных массивов.

Нами были составлены интегрированные данные из геодезических координат столиц, видов угодий из земельного кадастра, экологических и социально-экономических показателей по всем субъектам Российской Федерации [4, 5]. По ним получены закономерности, которые и позволяют наглядно показать особенности и различия каждого субъекта федерации.

По выражению В. Вернадского – прежде чем искать законы движения, надо иметь точное научное описание системы [6]. Однако одну и ту же систему можно описать дважды, когда кроме динамики (функция) анализу подергается и состояние (структура).

Но, при интуитивно неоспоримой конструктивности понятия природный ландшафт, эта предельная единица физико-географического районирования, не имеет на настоящее время интегрального эмпирического описания. Комплексы геокомпонентов, выделенных по их эколого-ресурсным характеристикам, обеспечивают объективность оценки свойств геосистем, так и построение параметрических моделей их взаимозависимости [6].

В статье [7] даны способы измерения уровня развития человека в регионах России. В прошлом было принято измерять уровень развития по валовому региональному продукту. Предлагается перейти на более «очеловеченные» индикаторы. Однако индикаторы являются производными факторами, поэтому применяются показатели с физической размерностью.

Цель исследования – устойчивые закономерности, выявленные методом идентификации [4, 5], бинарных отношений между факторами в принятой системе показателей.

Материалы и методы. По всем 82 субъектам Российской федерации была рассмотрена система (Россия) из 14 показателей в виде подсистем: 1) геодезические параметры столиц субъектов федерации ( – широта северная, °; – долгота восточная, о; – высота над уровнем Балтийского моря, м); климатические параметры в среднем за период 1961-1990 гг. ( – сумма среднемесячных температур ночью, °С; – сумма среднемесячных температур днем, °С; – средняя сумма за 12 месяцев осадков, мм; – сумма за 12 месяцев среднего числа дней с осадками более 0,1 мм, сутки); параметры землепользования ( – общая площадь территории субъекта федерации, тыс. га; – земли лесного фонда, тыс. га; – пашни, тыс. га); социально-экономические параметры ( – численность населения субъекта федерации, тыс. чел.; – валовой региональный продукт субъекта федерации, млрд. руб.); параметры земельного кадастра ( – количество кадастровых кварталов у субъекта федерации, шт.; – количество земельных участков на территории субъекта федерации, шт.).

Колебания (вейвлет сигналы) записываются волновой формулой [4, 5] вида

, , , (1)

где – показатель (зависимый фактор), – номер составляющей модели (1), – количество членов в модели (1), – объясняющая переменная (влияющий фактор), – параметры модели (1), принимающие числовые значения в ходе структурно-параметрической идентификации в программной среде CurveExpert-1.40 (URL: http://www.curveexpert.net/), – амплитуда (половина) вейвлета (ось ), – полупериод колебания (ось ).

В частном случае, когда , модель получается в виде двухчленной формуле

, (2)

где – показатель, – переменная, – параметры (2). Первый член является модифицированным законом экспоненциальной гибели, а второй – биотехническим законом [4, 5].

Факторный анализ. В таблице 1 приведены результаты полного факторного анализа 14 принятых параметров системы «Россия = 82 субъекта».

Таблица 1. Корреляционная матрица и рейтинг факторов по детерминированным моделям

В таблице 1 показаны корреляционная матрица и рейтинги факторов как влияющих переменных (последний столбец) и как зависимых показателей (последняя строка). Детерминированная модель (двухчленный тренд) образуется из формулы (1) при условии .

Среди влияющих переменных первое место занял географический параметр – долгота восточная, о, а затем метеорологические параметры: второе место – сумма среднемесячных температур днем, 0С, а третье – – сумма среднемесячных температур ночью, 0С. Среди этих же параметров как зависимых показателей первое место занял , второе – , а третье – – пашни, тыс. га. Тогда получается, что в деятельности человека температурный режим, как важнейший климатический фактор, на территории является системообразующим.

Коэффициент коррелятивной вариации свойств физического объекта исследования равен отношению общей суммы коэффициентов корреляции к квадрату от количества факторов. По данным таблицы 1 коэффициент коррелятивной вариации будет равен 74,6160/ 142 = 0,3807. Он дает оценку функциональной связности элементов системы. Этот критерий позволяет сравнивать между собой разнородные системы.

В таблице 1 выделены три группы факторов, у которых наблюдается асимметричное взаимное влияние. Наибольший коэффициент коррелятивной вариации 0,6169 имеют климатические факторы, затем 0,5811 получают геодезические факторы и 0,4831 имеют остальные (территориальные и социально-экономические) факторы. Тогда получатся, что объединение трех этих групп дает меньшее значение 0,3807 коэффициента коррелятивной вариации.

Сильные факторные связи. Выделим корреляционную матрицу (табл. 2) и из неё исключим диагональные клетки и те клетки, в которых коэффициент корреляции меньше 0,7 (остается уровень адекватности «сильная связь»).

Таблица 2. Корреляционная матрица сильных бинарных отношений при

Примечание: Выделены пары прямых и обратных закономерностей бинарных отношешний.

Исключились строки: долгота восточная , о; пашни субъекта РФ , тыс. га; количество кадастровых кварталов субъекта , шт. Исключились также столбцы: , о; , м; , шт. Из геодезических параметров осталась только широта северная. Сильных связей осталось 20 бинарных отношений или 10019 / (142 - 14) = 10,44%.

В таблице 3 по убыванию адекватности приведены модели по трендам.

Таблица 3. Параметры модели (2) сильных бинарных отношений

Примечания: 1; 2.

Всего образовалось семь пар бинарных отношений. Остальные связи – одинарные.

Пары сильных связей. Четыре пары бинарных отношений даны на рисунках 1 и 2. Отдельно пара социально-экономических показателей показана на рисунке 3.

Наибольшую тесноту связи 0,9819 и 0,9818 имеют, соответственно, влияние площади лесного фонда на общую площадь территории субъекта федерации и наоборот. В итоге ядро биосферы в виде лесов в России получает высокую значимость.

Вторая пара с коэффициентами корреляции 0,9346 и 0,9319 относится к взаимному влиянию средней суммы температур за 1960-1990 годы по всем 12 месяцам ночью и днем.

Рис. 1. Графики пар бинарных отношений

(в правом верхнем углу: – стандартное отклонение; – коэффициент корреляции)

Причем, как видно из графиков на рисунке 4, между лесным фондом и важнейшим климатическим фактором, имеются тесные связи. Аналогичные сильные связи наблюдаются между осадками и количеством дней с этими осадками.

Рис. 2. Графики пар бинарных отношений

Температура и широта относятся к климатической геоморфологии (рис. 2). На рисунке 3 даны графики взаимных связей между валовым региональным продуктом и населением.

Рис. 3. Графики пар бинарных отношений между социально-экономическими параметрами

Видно, что существует оптимум численности населения, при этом ВРП стремится без предела в зависимости от увеличения численности населения.

Односторонние связи. Таких бинарных отношений, в особенности в интервале средней связи с коэффициентами корреляции в интервале от 0,5 до 0,7, достаточно много.

Примеры приведены на рисунке 4. Они представляют широкий научный интерес.

Рис. 4. Графики односторонних бинарных отношений

Например, сумма дневных температур определяет лесной фонд, а леса влияют на сумму температур ночью. Поэтому леса определяют климат на территории. Поэтому программа ООН по высаживанию новых триллионов деревьев на Земле является действенной в перспективе.

С увеличением численности населения площадь пашни получает оптимальное значение и тогда эта закономерность уже относится к процессам урбанизации.

Заключение. Консолидация количественных данных из разных отраслей науки об одних и тех множествах физических объектов, в нашем случае всех 82 субъектов Российской Федерации, имеет синергетическое значение для углубленного понимания функций (поведения) и структуры (состояния на данный период времени) этой системы объектов.

Геодезические параметры столиц субъектов федерации имеют постоянные значения на сотни лет. Поэтому их можно отнести к постоянным факторам. Климатические параметры, хотя и являются высоко динамичными, в среднем действуют несколько десятков лет. Они являются условно-постоянными факторами. Параметры землепользования и социально-экономические параметры относятся к переменным факторам, изменяющимся за несколько лет.

Из 14 разнородных факторов среди влияющих переменных первое место занял географический параметр – долгота восточная, о, а затем метеорологические параметры: второе место – сумма среднемесячных температур днем, 0С, а третье – – сумма среднемесячных температур ночью, 0С. Среди этих же 14 факторов как зависимых показателей первое место занял , второе – , а третье – – пашни, тыс. га. Тогда в деятельности человека температурный режим на территории является системообразующим.

Для сопоставления разных систем факторов предложен коэффициент коррелятивной вариации как отношение суммы коэффициентов корреляции к квадрату количества факторов. Он дает оценку функциональной связности всей системы или её подсистем. Наибольший коэффициент 0,6169 имеют климатические, затем 0,5811 получают геодезические и 0,4831 имеют остальные факторы. Система из 14 факторов получает меньшее значение 0,3807 коэффициента коррелятивной вариации.

Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований, Правительства Красноярского края, Красноярского краевого фонда науки в рамках научного проекта: «19-45-240004р_а Прогноз эколого-экономического потенциала возможных «климатических» миграций в Ангаро-Енисейском макрорегионе в меняющемся климате 21-го века»