Россия
Россия
Россия
УДК 332.132 Размещение. Региональное размещение
В данной статье представлен метод оценки эколого-экономического состояния районов Пензенской области методом агломеративной кластеризации. Исследование позволило установить, что внутри области районы можно разделить на четыре основных кластера (A, B, C и D) в зависимости от их общих, экологических и экономических показателей. В результате исследования были выявлены районы с устойчивым, стагнационным и негативным развитием по группам факторов. Это позволило определить, какие районы нуждаются в дополнительных мерах поддержки и развития. Кроме того, в плоскости рассматриваемого периода в 10 лет (с 2012 по 2022 год) были выявлены районы, которые переходили из одного кластера в другой. Были установлены причины таких переходов, что позволило сделать предположения о дальнейшем развитии этих районов. Для районов со сценарием неблагоприятного развития были предложены рекомендации по улучшению положения. Эти рекомендации направлены на рациональное использование земель и улучшение показателей относительно успешных районов. Они могут включать в себя меры по развитию инфраструктуры, поддержке малого и среднего бизнеса, улучшению экологической ситуации и другие меры, направленные на повышение качества жизни населения и развитие экономики районов. Таким образом, проведённое исследование позволило получить более полное представление об эколого-экономическом состоянии районов Пензенской области. Оно может служить основой для разработки стратегий и программ развития, направленных на улучшение качества жизни населения и повышение конкурентоспособности экономики регионов. Данное исследование также имеет практическую значимость, позволяет выявить наиболее проблемные районы и разработать для них конкретные меры поддержки. Результаты исследования могут быть использованы органами власти при принятии решений о распределении ресурсов и разработке программ развития территорий.
устойчивое развитие, рациональное природопользование, экономика, экология, показатели, агломеративная кластеризация, оценка
1. Антропов Д.В. Анализ эффективности управления земельными ресурсами региона на основе применения методики комплексного (кластерного) зонирования территорий (на примере земель сельскохозяйственного назначения) // Международный сельскохозяйственный журнал. 2018. № 5. С. 16-19.
2. Дубровский А.В. Методические подходы к моделированию и прогнозированию рационального использования земельных ресурсов с применением геотехнологий // Вестник СГУГиТ (Сибирского государственного университета геосистем и технологий). 2022. Т. 27, № 3. С. 145-156.
3. Ишамятова И.Х., Антропов Д.В. Комплексное (кластерное) зонирование городов Пензенской области на основе эколого-экономических показателей территории // Креативная экономика. 2023. № 11. С. 4263-4290.
4. Ишамятова И.Х., Гераськин М.М., Глазунова В.М. Региональные информационные системы как инструмент пространственного развития территорий // Землеустройство, кадастр и мониторинг земель. 2024. № 10. С.601-612.
5. Минакир П. А. Российское экономическое пространство. Стратегические тупики // Экономика региона. 2019. №15(4). С. 967-980.
6. Мурашева А.А., Лепехин П.П. Информационно-моделирующая система для решения региональных экологических проблем // Науки о Земле. 2015. № 1. С. 24-32.
7. Овсянников А.О. Анализ внутренних затрат на научные исследования и разработки по субъектам Российской Федерации при помощи кластерного анализа RapidMiner // Научно-практический электронный журнал Аллея Науки. 2018. № 6 (22).
8. Огнивцев С. Б. Цифровизация экономики и экономика цифровизации АПК // Международный агропромышленный журнал. 2019. №2. С. 77-80.
9. Папаскири Т.В. Методы формирования систем автоматизированного землеустроительного проектирования // Вестник Российского университета дружбы народов. Серия: Агрономия и животноводство. 2015. № 2. С. 38-44.
10. Пономарев В.П., Белоглазова И.Ю. Применение факторного и кластерного статистического анализа в медицине // Перспективные информационные технологии: международная научно-техническая конференция. 2016. С. 589-592.
11. Третьяк В. П. Многовариантность использования кластерной технологии // Наука. Инновации. Образование. 2008. №3(4). С. 87–98.
12. Хлыстун В.Н., Мурашева А.А., Столяров В.М. Концептуальные подходы к разработке и реализации программы вовлечения в оборот неиспользуемых сельскохозяйственных земель // Экономика сельскохозяйственных и перерабатывающих предприятий. 2020. № 5. С 2-11.
13. Чарыкова О. Г., Маркова, Е. С. Региональная кластеризация в цифровой экономике // Экономика региона. 2019. № 15(2). С. 409-419.
14. Шестаков Р. Б., Ловчикова Е. И. Кластеризация регионов на основе базовых аграрно-экономических критериев // Экономика региона. 2023. № 19(1). С. 178-191.
15. Bhatnagar A., Vrat, P. & Shankar, R. (2019). Multi-criteria clustering analytics for agro-based perishables in cold-chain. Journal of Advances in Management Research. № 16(4). С. 563-593.
16. Vandana B. & Kumar S. (2019). Hybrid K-Mean Clustering Algorithm for Crop Production Analysis in Agriculture International. Journal of Innovative Technology and Exploring Engineering (IJITEE), vol. 9 no. 2, pp. 9-13.
17. Novikova N. V., Strogonova E. V. (2020). Regional aspects of studying the digital economy in the system of economic growth drivers. Journal of New Economy, vol . 21, no. 2, pp. 76-93.
18. Zhanyun Wang, Wei Deng, Shaoyao Zhang, Hao Zhang, (2024). Improved trade-off model of land use functions: Differentiated objective setting by territory spatial planning. Ecological Indicator, vol. 160, no. 4, http://doi.org/10.1016/j.ecolind.2024.111881
