Главная
страница 1 ... страница 15страница 16страница 17страница 18страница 19

8.1. О нерешенных экономико-правовых вопросах экологической безопасности

В 1990-х годах в России большое развитие получило экологическое законодательство, но его разработка еще далеко не закончена. При рассмотрении экологической безопасностью предприятия, территории и т.п. обычно выделяют постоянный риск и аварийный риск. Постоянный риск определяется используемой технологией и не может быть существенно изменен. Предприятие выбрасывает в атмосферу, сбрасывает в водную среду отходы своей жизнедеятельности и должно, естественно, возмещать наносимый вред. Фактически речь идет о ренте за использование природных ресурсов, соответствующих налогах и сборах.

Имеется целый ряд нерешенных экономико-правовых вопросов, связанных с постоянным риском. При проведении расчетов для конкретных предприятий часто оказывалось, что предприятию экономически выгоднее отравлять окружающую среду, чем проводить мероприятия по очистке сбрасываемых отходов. Налоги и сборы за использование природных ресурсов, особенно невосполнимых (нефть, газ, уголь, другие полезные ископаемые) представляются значительно заниженными. В результате добывающие отрасли промышленности оказываются в весьма привилегированном положении.

Обычно нормативы устанавливаются в виде предельно допустимых концентраций (ПДК) и аналогичных величин. Однако отходы жизнедеятельности предприятия обычно содержат самые разные вещества, оказывающие вредное действие на организм человека. Возникает проблема суммарной оценки, т.е. интегрального показателя экологического вреда данного предприятия, но она далека от корректного решения.

Не в последнюю очередь это связано с проблемой адекватной оценки здоровья населения и влияния на него различных экологических факторов. Известно, что при увеличении обращаемости населения в медицинские учреждения, естественно, увеличивается выявленная заболеваемость, но не латентная заболеваемость, присущая данному контингенту. Она может быть установлена лишь при сплошном обследовании, а потому в большинстве ситуаций остается неизвестной.

Полезными характеристиками здоровья населения могли бы быть коэффициенты смертности (дифференцированные по полу и возрасту) и реальная средняя продолжительность жизни для контингента, интересующего орган управления. Однако в настоящее время подобные характеристики больше зависят от динамики общей социально-политической обстановки в стране, чем от влияния конкретных экологических факторов. Экологические вопросы часто являются предметом политических спекуляций.

Необходимо развитие правового обеспечения страхования вреда, вызванного нарушениями экологической и промышленной безопасности. В частности, речь идет о возмещении ущерба, порожденными авариями со смертельными случаями и нанесением непоправимого вреда здоровью людей.

Правила пользования природными ресурсами (лесами, водными пространствами), касающиеся как граждан, так и юридических лиц, требуют совершенствования.

Из сказанного вытекает необходимость дальнейшего развития экологического законодательства.
8.2. Математические аспекты управления аварийным риском
В настоящем разделе рассмотрим математико-статистические методы оценивания характеристик аварийного риска (см. главу 2).

Раздел 8.2 посвящен непараметрическому точечному и интервальному оцениванию характеристик распределения (математического ожидания, медианы, дисперсии, среднего квадратического отклонения, коэффициента вариации) по выборке результатов измерений. Выборочные значения рассматриваются как реализации независимых одинаково распределенных случайных величин с произвольной функцией распределения.

Существенная часть распространенных в настоящее время алгоритмов статистического анализа данных исходит из предположения о нормальности распределения результатов наблюдений. Между тем специально проведенные исследования (сводка дана в [1, разд. 2.1]) показывают, что распределения погрешностей физических измерений, как правило, отличны от нормальных. Из-за отклонений от нормальности свойства алгоритмов могут в одних случаях измениться сравнительно слабо, как при проверке гипотезы однородности математических ожиданий для выборок равного объема [1, разд. 5.2], но иногда изменения таковы, что алгоритмы из научных переходят в эвристические. Например, свойства алгоритмов отбраковки выбросов (резко выделяющихся наблюдений) крайне неустойчивы по отношению к отклонениям от нормальности: если зафиксировать правило отбраковки, то крайне неустойчив уровень значимости, а если зафиксировать уровень значимости, то крайне неустойчиво критическое значение [1, разд.4.2]. Поэтому Российской академией статистических методов в 1998 г. выдвинута задача изучения влияния отклонения от нормальности на свойства всех практически используемых алгоритмов статистического анализа.

Одна из основных задач в области статистических методов – оценивание по выборочным данным характеристик генеральной совокупности, таких, как математическое ожидание, медиана, дисперсия, среднее квадратическое отклонение, коэффициент вариации. Точечные оценки строятся очевидным образом – используют выборочные аналоги теоретических характеристик. Для получения интервальных оценок приходится использовать асимптотическую нормальность выборочных моментов и функций от них.

Пусть исходные данные – это выборка x1, x2, … , xn, где n – объем выборки. В вероятностной модели выборочные значения x1, x2, … , xn рассматриваются как реализации независимых одинаково распределенных случайных величин X1, X2, … , Xn с общей функцией распределения F(x) = P (Xi < x), i = 1, 2, …, n. Поскольку функция распределения произвольна (с точностью до условий регулярности типа существования моментов), то рассматриваемые задачи доверительного оценивания характеристик распределения являются непараметрическими. Существование моментов является скорее математическим ограничением, чем реальным, поскольку практически все реальные статистические данные финитны (т.е. ограничены сверху и снизу, например, шкалой прибора). Для простоты изложения примем это предположение финитности, из которого вытекает существование теоретических моментов любого порядка.

В расчетах будут использоваться выборочное среднее арифметическое



,

выборочная дисперсия



,

выборочное среднее квадратическое отклонение s0 (квадратный корень из выборочной дисперсии) и некоторые другие выборочные характеристики, которые введем позже.



Точечное и интервальное оценивание математического ожидания. Точечной оценкой для математического ожидания в силу закона больших чисел является выборочное среднее арифметическое . В некоторых случаях могут быть использованы и другие оценки. Например, если известно, что распределение симметрично относительно своего центра, то центр распределения является не только математическим ожиданием, но и медианой, а потому для его оценки можно использовать выборочную медиану.

Нижняя доверительная граница для математического ожидания имеет вид



U(p) s0 / n1/2 ,

где:


p – доверительная вероятность (истинное значение математического ожидания находится между нижней доверительной границей и верхней доверительной границей с вероятностью, асимптотически равной доверительной);

U(p) – число, заданное равенством Ф(U(p)) = (1+ p)/2, где Ф(х) – функция стандартного нормального распределения с математическим ожиданием 0 и дисперсией 1. Например, при p = 95% (т.е. при р = 0,95) имеем U(p) = 1,96. Функция U(p) имеется в большинстве литературных источников по теории вероятностей и математической статистике (см., например, [2]).

Верхняя доверительная граница для математического ожидания имеет вид



+ U(p) s0 / n1/2 .

Выражения для верхней и нижней доверительных границ получены с помощью центральной предельной теоремы теории вероятностей и теоремы о наследовании сходимости (см. [3, разд.П3]). Они являются асимптотическими, т.е. становятся тем точнее, чем больше объем выборки. В частности, вероятность попадания истинного значения математического ожидания в интервал между нижней и верхней доверительными границами асимптотически приближается к доверительной вероятности. Но при конечном объеме выборки может незначительно отличаться от нее. Это – недостатки непараметрического подхода. Достоинством же является то, что его можно применять всегда, когда случайная величина имеет математическое ожидание и дисперсию, что в силу финитности (ограниченности шкал) имеет быть практически всегда в реальных ситуациях.

Сопоставим с параметрическим подходом. Обычно в таких случаях предполагают нормальность результатов наблюдений (которой, как уже было отмечено, практически никогда нет). Тогда формулы нижней и верхней доверительных границ для математического ожидания имеют похожий вид, только вместо U(p) стоят квантили распределения Стьюдента. Как известно, при росте объема выборки квантили распределения Стьюдента сходятся к соответствующим квантилям стандартного нормального распределения, так что при больших объемах выборок оба подхода дают близкие результаты. Классические доверительные интервалы несколько длиннее, поскольку квантили распределения Стьюдента больше квантилей стандартного нормального распределения, хотя это различие и невелико.

Пример 1. Рассмотрим данные о значениях случайного ущерба (тыс. руб.) при 50 авариях, приведенные в табл. 8.1. Для них выборочное среднее арифметическое = 57,88 (это и есть точечная оценка для математического ожидания), выборочная дисперсия = 663,00, объем выборки n = 50.

Следовательно, выборочное среднее квадратическое отклонение s0 = и согласно приведенным выше формулам при доверительной вероятности р = 0,95 нижняя доверительная граница для математического ожидания такова:

57,88 – 1,96 × 25,75 / = 57,88 – 7,14 = 50,74,

а верхняя доверительная граница есть 57,88 + 7,14 = 65,02.

Если заранее известно, что результаты наблюдения имеют нормальное распределение, то нижняя и верхняя доверительная границы для математического ожидания определяются по формулам

- t(p, n-1) s0 /, + t(p, n-1) s0 /

соответственно. Эти формулы отличаются от предыдущих тем, что квантиль нормального распределения U(p) заменен на аналогичный квантиль распределения Стьюдента с (n – 1) степенью свободы. Другими словами, t(p, n-1) – это число, заданное равенством STn-1(p) = (1+ p)/2, где STn-1(х) – функция распределения Стьюдента с (n – 1) степенью свободы.


Таблица 8.1

Значения случайного ущерба (тыс. руб.)



Ранг

Член вариаци-онного ряда

Ранг

Член вариаци-онного ряда

Ранг

Член вариаци-онного ряда

1

9

18

47,5

35

63

2

17,5

19

48

36

64,5

3

21

20

50

37

65

4

26,5

21

51

38

67,5

5

27,5

22

53,5

39

68,5

6

31

23

55

40

70

7

32,5

24

56

41

72,5

8

34

25

56

42

77,5

9

36

26

56,5

43

81

10

36,5

27

57,5

44

82,5

11

39

28

58

45

90

12

40

29

59

46

96

13

41

30

59

47

101,5

14

42,5

31

60

48

117,5

15

43

32

61

49

127,5

16

45

33

61,5

50

130

17

46

34

62






Для доверительной вероятности р = 0,95 при объеме выборки n = 50 согласно [1] имеем t(p, n-1) = 2,0096. Следовательно, нижняя доверительная граница для математического ожидания такова:

57,88 – 2,0096 × 25,75 / = 57,88 – 7,32 = 50,56,

а верхняя доверительная граница есть 57,88 + 7,32 = 65,20. Таким образом, длина доверительного интервала увеличилась с 14,28 до 14,64, т.е. на 2,5%.

Согласно расчетам, проведенным в [1, разд. 4.1], рассматриваемые данные согласуются с гамма-распределением, а не с нормальным распределением, поэтому использование распределения Стьюдента для получения доверительных границ некорректно.

Иногда рекомендуют сначала проверить нормальность результатов наблюдений, а потом, в случае принятия гипотезы нормальности, рассчитывать доверительные границы с использованием квантилей распределения Стьюдента. Однако проверка нормальности - более сложная статистическая процедура, чем оценивание математического ожидания. Кроме того, применение одной статистической процедуры, как правило, нарушает предпосылки следующей процедуры, в частности, независимость результатов наблюдений (см. [1, разд. 4.5]). Поэтому цепочка статистических процедур, следующих друг за другом, как правило, образует статистическую технологию, свойства которой неизвестны на современном уровне развития статистических методов.

Итак, только непараметрическую статистическую процедуру следует применять для анализа реальных данных. Как правило, встречающиеся на практике распределения не являются нормальными, а потому использование квантилей распределения Стьюдента неправомерно.

Точечное и интервальное оценивание медианы. Точечной оценкой для медианы является выборочная медиана.

Пример 2. Для значений случайного ущерба (табл. 8.1) объем выборки – четное число, поэтому выборочной медианой является полусумма 25-го и 26-го членов вариационного ряда, т.е. (56 + 56,5)/2 = 56,25.

Чтобы построить доверительные границы для медианы, по доверительной вероятности р находят U(p). Затем вычисляют натуральное число



С(р) = [n/2 – U(p)n1/2 /2],

где [.] – знак целой части числа. Нижняя доверительная граница для медианы имеет вид (при C(p) > 1; если p = 0,95 и U(p) = 1,96, то C(p) > 1 при n > 8)



Х(С(р)),

где Х(i) – член с номером i вариационного ряда, построенного по исходной выборке (т.е. i-я порядковая статистика).

Верхняя доверительная граница для медианы имеет вид

Х(n + 1 - С(р)).

Теоретическое основание для приведенных доверительных границ содержится в литературе по порядковым статистикам (см., например, монографию [4, с.68]).



Пример 3. Для данных о значениях случайного ущерба (табл.8.1) n = 50. Рассмотрим как обычно, доверительную вероятность р = 0,95. Тогда

С(р) = [50/2 – 1,96 /2]= [18,07] = 18.

Следовательно, нижней доверительной границей является Х(18) = 47,5, а верхней доверительной границей Х(50 + 1 - 18) = Х(33) = 61,5.

Поскольку в случае нормального распределения медиана совпадает с математическим ожиданием, то каких-либо специальных способов ее оценивания в классическом случае нет.

Точечное и интервальное оценивание дисперсии. Точечной оценкой дисперсии является выборочная дисперсия . Эта оценка - несмещенная и состоятельная. Доверительные границы находятся с помощью величины

d2 = (m4 - ((n – 1) /n ) 4 ) / n ,

где m4 - выборочный четвертый центральный момент, т.е.



m4 = {(X1 )4 + (X2 )4 +… + (X n)4 } / n .

Нижняя доверительная граница для дисперсии такова:



- U(p)d ,

где – выборочная дисперсия; U(p) – квантиль нормального распределения порядка (1)/2, а d положительный квадратный корень из величины d2, введенной выше.

Верхняя доверительная граница для дисперсии имеет вид

+ U(p)d .

При выводе приведенных соотношений используется асимптотическая нормальность выборочной дисперсии, установленная, например, в монографии [5, с.419]. Соответственно, непараметрический доверительный интервал является асимптотическим. В классическом случае точечная оценка имеет тот же вид, а вот доверительные границы находят с помощью квантилей распределения хи-квадрат с числом степеней свободы, на 1 меньшим объема выборки. В случае нормального распределения четвертый момент в 3 раза больше квадрата дисперсии, а потому можно оценить d2 как . Это дает быстрый способ для интервальной оценки дисперсии в нормальном случае.



Пример 4. Для данных о значениях случайного ущерба (табл.8.1) объем выборки n = 50, выборочная дисперсия = 663,00, четвертый выборочный момент m4 = 1702050,71. Поэтому

d2 = (1702050,71- ((501) /50)4 663,002) /50 = 25932,13.

Тогда d = 161,03. Для доверительной вероятности р =0,95 нижняя доверительная граница для дисперсии случайной величины такова:

663,00 – 1,96×161,03 = 663,00 – 315,63 = 347,37,

а верхняя доверительная граница для дисперсии есть 663,00 + 315,63 = 978,63.



Пример 5. В случае нормального распределения с целью быстрого получения доверительного интервала величина d2 оценивается как

(2) / n = (2 × 663,002) / 50 = 17582,76,

а потому d = 132,6. Для доверительной вероятности р =0,95 нижняя доверительная граница для дисперсии заменяется на

663,00 – 1,96×132,6= 663,00 – 259,90 = 403,10,

а верхняя доверительная граница – на 663,00 + 259,90 = 922,9.

Сужение границ для дисперсии вполне естественно. Данные о значениях случайного ущерба (табл.8.1) соответствуют гамма-распределению, а это распределение является асимметричным, с «тяжелым» правым «хвостом». Последнее означает, что плотность убывает заметно медленнее, чем для нормального распределения. Как следствие, четвертый момент заметно больше, чем для нормального распределения с теми же математическим ожиданием и дисперсией. А потому больше и параметр d. Из проведенных расчетов видно, что использование алгоритмов расчетов, соответствующих нормальному распределению, в ситуации, когда распределение результатов наблюдений существенно отличается от нормального, может привести к заметному искажению выводам.



Пример 6. В классическом случае нормального распределения исходят из того, что величина (n – 1) 2 имеет распределение хи-квадрат с (n – 1) степенью свободы. Для доверительной вероятности р =0,95 следует рассмотреть неравенство

31,555 < (n – 1) 2 < 70,222,

справедливое с вероятностью 0,95, поскольку

F(31,555)= 0,025, F(70,222) = 0,975,

где F(x) – функция хи-квадрат распределения с 49 степенями свободы. Следовательно, нижняя доверительная граница для дисперсии нормально распределенной случайной величины такова:

(n – 1) /70,222 = (49×663,00)/70,222 = 462,63,

а верхняя доверительная граница есть

(n – 1) /31,555 = (49×663,00)/ 31,555 = 1029,54.

Полученный доверительный интервал не является симметричным относительно точечной оценки. Нижняя доверительная граница больше, чем в примерах 4 и 5, но и верхняя доверительная граница тоже больше. Несимметричность доверительного интервала в примере 6 приводит к тому, что его трудно сопоставить с симметричными интервалами примеров 4 и 5. Что же касается практических рекомендаций, то они однозначны: обычно нет основания считать, что результаты измерений имеют нормальное распределение, поэтому при анализе реальных данных надо пользоваться непараметрическими методами.



Точечное и интервальное оценивание среднего квадратического отклонения. Точечной оценкой является выборочное среднее квадратическое отклонение, т.е. неотрицательный квадратный корень из выборочной дисперсии. Дисперсия рассматриваемой случайной величины - выборочного среднего квадратического отклонения s0 – оценивается как дробь

d 2 / (4).

Нижняя доверительная граница для среднего квадратического отклонения исходной случайной величины имеет вид



s0 - U(p)d / (2s0) ,

где – выборочная дисперсия, U(p) – квантиль нормального распределения порядка (1)/2, а d положительный квадратный корень из величины d2, введенной выше при оценивании дисперсии.

Верхняя доверительная граница для среднего квадратического отклонения исходной случайной величины имеет вид

s0 + U(p)d / (2s0).

Пример 7. Для данных о значениях случайного ущерба (табл.8.1) точечной оценкой для среднего квадратического отклонения является .

При доверительной вероятности р = 0,95 нижняя доверительная граница такова:

25,75 – 1,96×161,03 / (2×25,75) = 25,75 – 6,13 = 19,62.

Соответственно верхняя доверительная граница симметрична нижней относительно точечной оценки и равна = 25,75 + 6,13 = 31,88.

Правила интервального оценивания для среднего квадратического отклонения получены из аналогичных правил для оценивания дисперсии с помощью метода линеаризации (см. [3, разд. П.4]). Доверительный интервал - симметричный, непараметрический и асимптотический.

Есть и другой способ доверительного оценивания. Поскольку среднее квадратическое отклонение – это квадратный корень их дисперсии, то доверительные границы можно получить, извлекая квадратные корни из одноименных границ для дисперсии.

Пример 8. Для данных о значениях случайного ущерба (табл.8.1) при доверительной вероятности р = 0,95 согласно примеру 4 доверительный интервал для дисперсии – это [347,37; 978,63]. Извлекая квадратные корни, получаем доверительный интервал [18,64; 31,28] для среднего квадратического отклонения, соответствующий тому же значению доверительной вероятности. Он не является симметричным относительно точечной оценки. Его длина 12,64 несколько больше длины симметричного доверительного интервала 12,26 в примере 7.

Подход, основанный на гипотезе нормальности распределения результатов наблюдения, связан с использованием распределения хи-квадрат и сводится к извлечению квадратных корней из доверительных границ для дисперсии.



Пример 9. Формально применяя классический подход к данным о значениях случайного ущерба (табл.8.1), исходим из доверительного интервала для дисперсии [462,63; 1029,54], соответствующего доверительной вероятности р = 0,95. Извлекая квадратные корни, находим доверительный интервал для среднего квадратического отклонения [21,51; 32,09]. Как и следовало ожидать, длина этого несимметричного интервала 10,58 меньше длины непараметрического доверительного интервала, равной 12,68.

Точечное и интервальное оценивание коэффициента вариации. Коэффициент вариации V = σ / М(Х) широко используется при анализе конкретных экологических, управленческих, технических, экономических, социологических, медицинских и иных данных (поскольку они, как правило, положительны). Точечной оценкой теоретического коэффициента вариации V является выборочный коэффициент вариации

Vn = s0 / .

Дисперсия выборочного коэффициента вариации состоятельно оценивается с помощью вспомогательной величины



D2 = (Vn4 - Vn2 / 4 + m4 / (4 2) - m3 / 3) / n,

где – выборочное среднее арифметическое, – выборочная дисперсия, m3 - выборочный третий центральный момент, т.е.



m3 = {(X1 )3 + (X2 )3 +… + (Xn)3 } / n ,

m4 - выборочный четвертый центральный момент (см. выше), Vn – выборочный коэффициент вариации, n - объем выборки.

Нижняя доверительная граница для (теоретического) коэффициента вариации исходной случайной величины имеет вид



Vn - U(p) D,

где Vn – выборочный коэффициент вариации, U(p) – квантиль нормального распределения порядка (1+р)/2 (как и ранее), D положительный квадратный корень из величины D2, введенной выше.

Верхняя доверительная граница для (теоретического) коэффициента вариации исходной случайной величины имеет вид

Vn + U(p) D.

Как и в предыдущих случаях, доверительный интервал - непараметрический и асимптотический. Он получен в результате применения специальной технологии вывода асимптотических соотношений прикладной статистики. Эта технология в качестве первого шага использует многомерную центральную предельную теорему, примененную к сумме векторов, координаты которых – степени исходных случайных величин. Второй шаг – преобразование предельного многомерного нормального вектора с целью получения интересующего исследователя вектора. При этом используются соображения линеаризации и отбрасываются бесконечно малые величины. Третий шаг – строгое обоснование полученных результатов на стандартном для асимптотических математико-статистических рассуждений уровне. При этом обычно приходится использовать необходимые и достаточные условия наследования сходимости (см. [3, разд.П3]). Именно таким образом получены приведенные выше результаты для выборочного коэффициента вариации. Формулы оказались существенно более сложными, чем в предыдущих случаях. Это объясняется тем, что выборочный коэффициент вариации - функция двух выборочных моментов, а ранее рассматривались либо выборочные моменты поодиночке, либо функция от одного выборочного момента - выборочной дисперсии.



Пример 10. Для данных о значениях случайного ущерба (табл.8.1) выборочное среднее арифметическое = 57,88, выборочная дисперсия = 663,00, выборочное среднее квадратическое отклонение s0 = 25,75, выборочный третий центральный момент m3 = 14927,91, выборочный четвертый центральный момент m4 = 1702050,71. Следовательно, выборочный коэффициент вариации таков:

Vn = 25,75 / 57,88 = 0,4449.

Рассчитаем значение вспомогательной величины



D2 = ((0,4449)4 – (0,4449)2/4 + 1702050,71/ (4×663,00×(57,88)2) -

- 14927,91/(57,88)3)/50 = (0,0392 – 0,0495 + 0,1916 – 0,0770)/50 =

= 0,1043/50 = 0,002086.

Следовательно, D = 0,04567. При доверительной вероятности р = 0,95 нижняя доверительная граница для теоретического коэффициента вариации имеет вид

0,4449 – 1,96×0,04567 = 0,4449 – 0,0895 = 0,3554,

а верхняя доверительная граница такова:

0,4449 + 0,0895 = 0,5344.

Среди классических результатов математической статистики, основанных на гипотезе нормальности результатов наблюдений, нет методов нахождения доверительных границ для коэффициента вариации, поскольку задача построения таких границ не выражается в терминах обычно используемых распределений, например, распределений Стьюдента, Фишера и хи-квадрат.

Примеры применения доверительных границ для коэффициентов вариации при решении прикладных задач приведены, например, в наших работах, посвященных анализу технических характеристик и показателей качества эластомерных (резинотехнических) материалов и изделий.

Итак, сформулированы правила непараметрического оценивания обычно используемых характеристик распределения случайной величины. Эти правила основаны на асимптотических результатах теории вероятностей и математической статистики. Использование методов, разработанных в предположении нормальности распределения, может привести к заметно искаженным выводам в ситуации, когда гипотеза нормальности не выполнена. Практические рекомендации таковы: при анализе реальных данных следует использовать непараметрические доверительные границы.


8.3. Информационно-правовые вопросы оценки Киотского договора
В настоящее время все еще продолжаются споры о целесообразности ратификации Россией Киотского протокола, посвященного ограничениям на выброс в атмосферу т.н. «парниковых газов», прежде всего углекислого газа СО2 (диоксида углерода).

По нашему мнению, для оценки целесообразности ратификации Киотского протокола необходимо проведение новой экологической и правовой экспертизы. В частности, необходимо ответить на следующие вопросы.

1. Происходит ли в настоящее время глобальное потепление климата?

2. Каковы последствия глобального потепления климата для России и мира в целом?

3. Связано ли глобальное потепление с деятельностью человека?

4. Приводит ли выброс в атмосферу парниковых газов к потеплению климата?

Ответы на эти четыре вопроса определяют степень научной обоснованности самой концепции Киотского протокола. Затем необходимо перейти к экономико-правовой оценке текста договора.

5. Может ли привести выполнение Киотского протокола к значимым экологическим последствиям?

6. Только ли абстрактно-экологические соображения инициировали появление Киотского протокола?

7. Содержит ли Киотский протокол достаточно информации для экономико-правовой оценки последствий его ратификации?

8. Определены ли процедуры измерения объемов выбросов в атмосферу (по странам) и правила торговли квотами на загрязнение?

9. Возможно ли обеспечение национальных интересов России при присоединении к Киотскому протоколу?

Наконец, главный вопрос.

10. Является ли ратификация Киотского протокола выгодной для России?

Перейдем к формулировкам ответов на поставленные вопросы.

Научная необоснованность концепции Киотского протокола. Наблюдения за температурой и другими параметрами климата проводятся сравнительно недавно - десятки или немногие сотни лет, причем лишь с появлением системы спутников Земли появилась возможность фиксировать температуру на всей поверхности Земли. Однако и на основе столь неполных данных большинство специалистов полагает, что средняя температура на Земле повышается. Ответ на вопрос 1 - «по-видимому, да».

Последствия глобального потепления различны для разных стран. Дело не только в повышении уровня мирового океана, хотя и это весьма важно для прибрежных стран. Например, Бангладеш уйдет под воду. Более существенно изменение морских течений и движения воздушных масс. Например, прогнозируется уход Гольфстрима вглубь, под холодные воды, порожденные таянием арктических льдов. Это приведет к резкому похолоданию в Европе и Северной Америке, явно невыгодному для стран этого региона. В то же время в России (особенно в Сибири) произойдет улучшение климата, он станет более теплым и влажным. Пояс плодородных земель расширится, вечная мерзлота отступит к северу. Таким образом, интересы Европы (с Северной Америкой) и России прямо противоположны.

По поводу причин глобального потепления имеются разные точки зрения. Одни указывают на заметное влияние человека на климат Земли - сжигание огромного количества топлива, вырубку половины тропических лесов за ХХ в., и т.п. Другие ссылаются на традиционное представление о серии оледенений в истории Земли, на периодическое изменение климата. Они полагают, что вне гипотетической зависимости от деятельности человека климат изменяется в сторону потепления. Третьи ссылаются на достижения научного креационизма, обосновывающие создание Земли около 7500 лет назад, как об этом и рассказано в Библии. Наш анализ показал, что с научной точки зрения креационизм более обоснован, чем фантазии о миллиардах лет геологической и биологической истории Земли.

Ответ на вопрос 3 не может быть строго обоснован на современном уровне знаний, когда еще нет надежных моделей прогнозирования климата, а сравнительный эксперимент невозможен. Представители разных точек зрения дают оценки влияния деятельности человека на природу, но эти оценки различаются на порядки.

Точно также отсутствует общепризнанный положительный ответ и на более частный вопрос о том, приводит ли выброс в атмосферу парниковых газов к потеплению климата. Например, по мнению некоторых специалистов, выброс водяного пара оказывает заметно большее воздействие. Подвергается сомнению и известное утверждение о вредном влиянии фреона на озоновый слой. Полагают, что это утверждение было использовано в конкурентной борьбе производителей холодильной техники для вытеснения соперников.

Таким образом, концепция Киотского протокола не является научно обоснованной. Более того, потепление климата выгодно России, бороться против него - значит бороться против национальных интересов России.



Анализ содержания Киотского протокола. В статье 3 Киотского протокола сказано: «Стороны, включенные в приложение I, по отдельности или совместно обеспечивают, чтобы их совокупные антропогенные выбросы парниковых газов, перечисленных в приложении A, в эквиваленте диоксида углерода не превышали установленных для них количеств, рассчитанных во исполнение их определенных количественных обязательств по ограничению и сокращению выбросов, зафиксированных в приложении В, и в соответствии с положениями настоящей статьи, в целях сокращения их общих выбросов таких газов по меньшей мере на пять процентов по сравнению с уровнями 1990 года в период действия обязательств с 2008 по 2012 год».

В приложении В перечислены следующие страны: Австралия, Австрия, Бельгия, Болгария, Венгрия, Германия, Греция, Дания, Европейское сообщество (так в Киотском протоколе - А.О.), Ирландия, Исландия, Испания, Италия, Канада, Латвия, Литва, Лихтенштейн, Люксембург, Монако, Нидерланды, Новая Зеландия, Норвегия, Польша, Португалия, Российская Федерация, Румыния, Словакия, Словения, Соединенное Королевство Великобритании и Северной Ирландии, Соединенные Штаты Америки, Украина, Финляндия, Франция, Хорватия, Чешская Республика, Швейцария, Швеция, Эстония, Япония. Таким образом, перечислены европейские страны, из стран СНГ - только Российская Федерация и Украина, а также Австралия, Канада, Новая Зеландия, Соединенные Штаты Америки, Япония. Отсутствуют Китай, Индия, Бразилия, Мексика, Пакистан, Индонезия, Нигерия и другие азиатские, латиноамериканские и африканские страны, суммарно дающие основную массу антропогенных выбросов парниковых газов.

Ратифицировали Киотский протокол европейские страны и Япония, в то время как США (наиболее крупный загрязнитель - по ряду оценок около 40% от общего объема загрязнений) официально отказались это сделать.

Узкий охват (особенно с учетом отказа США), малый процент сокращений выбросов и ограниченный срок действия (5 лет) позволяют констатировать, что выполнение или не выполнение Киотского протокола не окажет реального воздействия на процесс потепления климата. Итак, ответ на пятый вопрос - отрицательный.

Поэтому ряд аналитиков полагает, что цели разработки Киотского протокола - не столько экологические (они иллюзорны), сколько экономические и политические. Основная цель состоит в получении странами Европейского союза правового инструмента для давления на соперников, а именно, прежде всего на США и Россию.

Так, экологические требования в Европейском союзе более жесткие, чем в США, а потому издержки производства товаров и услуг выше. Поэтому европейцам хочется заставить США повысить расходы на экологию, а потому и издержки производства, что приведет к понижению конкурентоспособности американских товаров и, соответственно, относительному повышению конкурентоспособности европейской продукции. План не удался - США отказались ратифицировать протокол. Теперь их можно объявить врагом всех народов Земли, бесстыдным загрязнителем. В результате конкурентоспособность американских товаров понизится из-за социально-психологического давления.

Экологические соображения используются и для давления на Россию. Достаточно вспомнить о запрете полетов российских самолетов в Европу из-за якобы недопустимо сильного шума работающих двигателей.

Для введения в действие Киотского протокола необходимо его подписание странами, на долю которых приходится не менее 55% зафиксированных в протоколе выбросов. После отказа США от ратификации введение протокола в действие зависит от позиции России. Если Россия ратифицирует протокол - он вступает в действие, если нет - то нет. Понятно поэтому, что давление Европейского союза, настаивающего на ратификации, доходит до грани шантажа. Как известно, Россия ратифицировала Киотский протокол.



Что обещает России Киотский протокол? Проблема в том, что Киотский протокол - «рамочный» договор. А потому он не содержит достаточно информации для экономико-правовой оценки последствий его ратификации.

В частности, в нем не определены процедуры измерения объемов выбросов в атмосферу (по странам). Каждой стране предложено действовать по своим методикам. Предполагается, что затем методики будут согласованы на международном уровне. Как следствие, оказывается невозможным предвидеть результаты измерения российских выбросов в 2008 - 2012 гг. Впрочем, невозможность предвидения связана также и с непредсказуемостью хода экономического развития в мире в целом и в России в частности.

Одним из основных аргументов в пользу ратификации Киотского протокола является экономическая выгода от торговли квотами на загрязнение окружающей среды, в данном случае - квотами на выброс в атмосферу парниковых газов. Уже ясно, что европейские страны вместо снижения выбросов дадут их прирост на десятки процентов. Киотский протокол предусматривает возможность покупки квот на выбросы, что означает перераспределение допустимых объемов выбросов между странами с использованием рынка квот. Однако в протоколе не определены правила торговли квотами на загрязнение. Поэтому неясно, удастся ли России получить значимую выгоду от торговли на рынке квот, причем не ясно также, будет ли чем торговать.

Насколько удается обеспечить национальные интересы России в результате присоединении к Киотскому протоколу? Как показано выше, нельзя гарантировать, что Россия получит выгоду. Отметим, что Киотский протокол содержит ряд невыгодных для России положений. Например, нельзя выставить на продажу квоты, соответствующие сокращению выбросов в 1990-е годы в результате более чем двукратного падения объема промышленного производства. Этот запрет можно рассматривать как дискриминацию России.

Кроме того, Киотским протоколом предусмотрен эффективный международный контроль всего объема выбросов парниковых газов. Другими словами, вся территория России, все ее предприятия и организации оказываются под контролем внешних сил. Это открывает шлюзы для массовой утечки сведений, составляющих государственную или коммерческую тайну.

Теперь можно ответить на главный вопрос: является ли ратификация Киотского протокола выгодной для России? Из сказанного выше ясно, что выгоды сомнительны, а угрозы и потери несомненны. Причем, напомним, непосредственно экологического смысла Киотский протокол не имеет. Поэтому у России не было смысла спешить с ратификацией этого протокола.

Однако идти на конфронтацию с Европейским союзом, раз и навсегда отказавшись по примеру США от ратификации Киотского протокола, также представляется нецелесообразным.

Наиболее тщательный анализ проблемы с ратификацией Киотского протокола выполнен Институтом проблем глобализации. В аналитическом докладе «Киотский протокол для России: бессмысленный и безнадежный соблазн», подготовленном коллективом исследователей под руководством д.э.н. М.Г. Делягина, предлагается вступить в переговоры, нацеленные на уточнение и конкретизацию тех мест протокола, произвольная интерпретация которых может нанести вред интересам России. Возможны были два исхода переговоров. Либо в их результате удастся создать и принять в соответствии с заданной в протоколе процедурой правовые основы защиты интересов России в случае ратификации Киотского протокола. Этот исход представляется маловероятным. Скорее переговоры будут продолжаться до 2008 г. и далее. Но к тому времени выяснится, что ратифицировавшие Киотский протокол страны не в силах выполнить свои обязательства, и протокол умрет естественной смертью. Однако под прикрытием переговорного процесса удастся избежать прямой конфронтации с Европейским союзом.

Вслед за М.Г. Делягиным мы рекомендовали [6] воздержаться от ратификации Киотского протокола, но в то же время начать переговорный процесс по уточнению «непрописанных» положений протокола, прежде всего, касающихся процедуры измерения объемов выбросов в атмосферу (по странам) и правил торговли квотами на загрязнение.

Однако, как известно, Россия ратифицировала Киотский протокол. Федеральный закон «О ратификации Киотского протокола к Рамочной конвенции Организации Объединённых Наций об изменении климата» (под № 128-ФЗ) был принят Государственной Думой РФ 22 октября 2004 г. и одобрен Советом Федерации 27 октября 2004 г. Президент РФ В.В. Путин подписал его 4 ноября 2004 г.). В результате Киотский протокол вступил в силу 16 февраля 2005 г.




<< предыдущая страница   следующая страница >>
Смотрите также:
Экологические проблемы в современном мире 9 Из деревенской избы в каменные джунгли 9
3438.99kb.
19 стр.
"город мастеров"
161.56kb.
1 стр.
Региональные экологические проблемы Основные экологические проблемы Беларуси
245.32kb.
1 стр.
Актуальные экологические проблемы города Москвы
114.81kb.
1 стр.
«Загрязнение окружающей среды и экологические проблемы общества»
111.34kb.
1 стр.
Общие экологические проблемы городов мира
332.28kb.
1 стр.
Конспект классного часа по теме "Вот это каша пища наша!"
234.64kb.
1 стр.
Конспект внеклассного мероприятия по теме "Вот это каша пища наша!"
43.02kb.
1 стр.
Программа международной научно практической конференции «Проблемы толерантности в современном мире на примере Ближнего Востока»
16.75kb.
1 стр.
Конспект внеклассного мероприятия по теме «Самые полезные продукты» 3-в класс Учитель: Бондарь Анна Михайловна
51.44kb.
1 стр.
Проект «Мультикультурное образование в современном мире»
28.92kb.
1 стр.
Сравнительная характеристика различных способов производства электрической и тепловой энергии
288.68kb.
1 стр.