Scenarios of Systemic Transitions in Energy and Economy

Cover Page

Cite item

Full Text

Abstract

For the energy economics sector, earlier forecasting approaches (e.g., a Kaya identity or a double-logarithmic function) proved too simplistic. It is becoming necessary to systemically include the emergence of new discrete evolutionary changes. This paper provides a novel quantitative forecasting method which relies on the Global Change Data Base (GCDB). It allows for the generation and testing of hypotheses on future scenarios for energy, economy, and land use on a global and country level.

The GCDB method envisages systemic variables, especially quotients (such as energy intensity), shares (such as GDP shares, energy mix), and growth rates including their change rates. Thus, the non-linear features of evolutionary developments become quantitatively visible and can be corroborated by plots of large bundles of time-series data. For the energy industry, the forecasting of sectoral GDP, fuel shares, energy intensities, and their respective dynamic development can be undertaken using the GCDB method.

Full Text

Введение

Применение экспертных систем для сбора и анализа количественных данных на основе методов Форсайта повышает качество стратегий во всех секторах экономики (Lu et al., 2009; MacHaris et al., 2012; Mattiussi et al., 2014; Seuring, 2013). В нашей предыдущей работе (Ахамер, 2018) представлен метод картирования тенденций с использованием Базы данных глобальных изменений (Global Change Data Base, GCDB), позволяющий выявить динамику социально-экономических систем, связанных с энергетикой. Он предполагает построение и визуальный анализ графиков на основе статистики временных рядов по странам. Доступные глобальные данные служат для перерасчетов и по-разному комбинируются. Таким образом выявляются временные производные и динамические связи между экономическими показателями (ВВП на душу населения) и другими структурными переменными, формируя системное представление о глобальных трендах (Castells, 1996; Christian, 2005). В свою очередь оно становится отправной точкой для разработки сценариев и оценки исходя из этого возможности маневра той или иной страны в различных контекстах.

В нашей статье анализируются «системные переходы» (systemic transitions) в энергетике и экономике с применением метода GCDB. Цель исследования заключается в создании информационной базы для разработки сценариев в рассматриваемых областях. Комплексное видение указанных процессов позволит гибко реструктуризировать и адаптировать национальные институты к динамике развития глобальных энергетических и экономических систем.

При помощи GCDB формируются детализированные временные ряды по странам с учетом многообразия секторов и видов топлива, открывая более широкие, в сравнении с другими базами данных, возможности для составления сценариев1.

Методология

По сравнению с числовым представлением графический формат более наглядно демонстрирует корреляцию по странам на основе временных рядов, существенно расширяет возможности для интерпретации информации. В наших предыдущих работах (Ahamer, 2014, 2021; Ахамер, 2018) обоснованы ключевые характеристики GCDB и преимущества комбинирования наборов данных, которые редко используются совместно (например, о землепользовании2, энергетике3 и экономике4).

Комбинирование стало возможным благодаря решению сложных задач совместимости сведений из разных баз данных о секторах экономики и типах топлива. Пользователь GCDB может выбирать из массивы данных, подлежащие сравнению, и отобразить их в логарифмическом либо в линейном виде по двум осям системы координат.

Вероятность обнаружить «эволюционные тенденции» повышается при работе с наборами очищенных (усредненных) данных по сравнению с теми, где корреляция практически отсутствует. Для формирования теорий выбираются наиболее тесно взаимосвязанные графики, примеры которых приведены ниже. Визуальные экстраполяции тенденций открывают различные опции для политических инициатив, особенно в ситуациях расхождения с глобальными трендами либо неполного использования имеющегося структурного потенциала. Например, показатель энергоемкости в авторитарных государствах был в 5–10 раз ниже, чем в свободных рыночных экономиках. Повышение его среднего значения в мировом масштабе коррелирует с постепенным распространением демократических систем.

Факторная формула на основе последовательности коэффициентов

GCDB повышает точность выявления долгосрочных тенденций развития глобальной энергетической системы на основе детального статистического анализа. Структура параметров, применимая в ходе такого исследования, предложена на рис. 1. Эта факторная декомпозиция образует «тождество Кайи» (Kaya, Keiichi, 1997; Peters et al., 2017; Feron, 2016). Она охватывает такие важные параметры, как численность населения, состояние экономики (ВВП), спрос на конечную (Efinal) и первичную (сырую) энергию (Eprim), которые анализируются в динамике на страновом уровне.

 

Рис. 1. Основные переменные статистического анализа

 

Представление недавних трендов и обозримых перспектив в виде формулы позволяет целостно охватить все этапы логической цепочки:

  • энергетические технологии и виды топлива, характеризуемые фактором выбросов (CO2/Ep);
  • эффективность преобразования первичной энергии в конечную (Ep/Ef);
  • эффективность экономики с позиций «энергоемкости» (Ef/GDP);
  • уровень экономического развития страны, измеряемый величиной ВВП на душу населения (GDP/capita);
  • численность населения.

В общем виде факторная формула имеет вид:

CO2 = (CO2 / Ep) x (Ep / Ef) x (Ef / GDP) x (GDP / capita) x population

где: CO2 — уровень выбросов CO2; Ep и Ef — спрос на первичную и конечную энергию соответственно (для конкретного энергоносителя); GDP — валовая добавленная стоимость (в определенном секторе экономики); P — численность населения.

С учетом многообразия секторов и видов топлив получаем детализированный вид формулы:

CO2 (c, y) = Σ CO2 (c, y, f, s) = [CO2 (c, y, f, s) / Ep (c, y, f, s)] x [Ep (c, y, f, s) / Ef (c, y, f, s)] x [Ef (c, y, f, s) / GDP (c, y, s)] x [GDP (c, y, s) / P (c, y)] x P (c, y)

где: c — страна, y — год, f — топливо, s — сектор экономики.

В отличие от простых корреляций, анализ глобальной эволюции требует осторожного обращения с ситуациями неопределенности и отклонениями от общих трендов. Поэтому в нашей статье для оценки наиболее значимых показателей использованы графические средства. В сравнении с обычными числовыми коэффициентами корреляции они более наглядно отражают уровни, темпы роста, тенденции и статистические «выбросы» на фоне прогнозируемых траекторий.

Использованные данные и экстраполяция

Данные, положенные в основу статьи, носят ретроспективный характер. При наличии очевидного коэффициента корреляции можно самостоятельно экстраполировать их в будущее в соответствии со своими интересами и представлениями о том, как будет развиваться глобальный контекст (Christian, 2018).

Очевидно, экстраполировать на несколько лет вперед безопаснее, чем на несколько десятилетий. На представленных ниже графиках такая экстраполяция (в виде отдельных кривых) в большинстве случаев отсутствует, поскольку это могло бы создать ложное впечатление о наличии надежных допущений относительно будущих тенденций. Поэтому автор воздерживается от прямого «расчета будущего» по регрессионной формуле. Реальность гораздо сложнее и не поддается описанию с помощью лишь нескольких статистических параметров. Она включает инновации, стадии насыщения, политические конфликты и отклонения от представляющихся стабильными тенденций вследствие культурной специфики (Ahamer, Kumpfmüller, 2013). Например, недавно принятые решительные меры по борьбе с изменением климата уже привели к заметному сокращению выбросов CO2 в ряде стран. Таким образом, экстраполяция тенденций во многих случаях является не более чем гипотезой о возможных структурных переменах, вероятность которых необходимо оценивать.

Прошлые системные переходы

Притом что историческое развитие в целом имеет преимущественно эволюционный характер, в функциональном структурном взаимодействии технико-социально-экономических параметров антропосферы можно выделить определенные этапы или скачки, обусловливающие ступенчатую, усложняющуюся самоорганизацию ноосферы (Jäger, Springler, 2012; Kondratieff, 1984; Christian, 2018; Raskin, 2016).

В мировой эволюции имеют место ряд фундаментальных трендов, продолжающихся столетиями, такие как, скажем, распространение демократических систем.

Однако на их фоне вероятными альтернативами остаются радикальные (как разрушительные, так и прогрессивные) варианты глобальной трансформации. В тот или иной момент времени разные процессы подталкивают к определенным сценариям. Такие базовые цивилизационные аспекты, как производство и потребление энергии, демография и ВВП, в разные времена переживали и динамичный рост, и стагнацию.

К переходным этапам, характеризуемым стремительными и масштабными трансформациями, относятся (Christian, 2005):

  • демографические сдвиги;
  • изменения схем землепользования, связанные с масштабной вырубкой лесов под сельхозугодия;
  • переходы в массовом использовании от одного источника энергии к другому, с сопутствующими главными загрязнителями.

Ввиду ступенчатого характера «эволюции через переходы» простая экстраполяция тенденций становится невозможной ни как научный метод, ни как практический инструмент Форсайта. Необходимо творческое выявление критических точек, определяющих общую динамику развития цивилизации, включая стадии насыщения, поворотные моменты и появление новых, неожиданных на первый взгляд феноменов. Метод GCDB учитывает эту сложную динамику путем анализа первой и второй производных временных рядов данных (Ахамер, 2018).

Демографический переход

В качестве первого примера для демонстрации возможностей GCDB в выявлении глобальных тенденций выбран демографический (популяционный) переход, признанный одной из наиболее масштабных структурных трансформаций в антропосфере (Galor, 2012; Akaev et al., 2012). Он подробно раскрывается в работах (Chen, 2014; Fischer, 2008; Zhang, 2002; Du, Yang, 2014; Toft, 2007; Shen, Spence, 1996; Ssewamala, 2015; Jeníček, 2010; Nielsen, Fang, 2007). Повышение уровня образования привело к сокращению рождаемости во многих странах (Kravdal, Rindfuss, 2008; Mills et al., 2011; Raymo et al., 2015; Upadhyay et al., 2014). Впрочем, этот тренд имеет разную специфику в зависимости от местных структурных условий. Одновременно вследствие повышения качества медицинской помощи снизился уровень смертности.

 

Рис. 2. Темпы роста численности населения в мире в последние десятилетия

 

Под влиянием упомянутых факторов общие темпы прироста населения (d pop/dt) замедлились. На рис. 2 этот процесс отражен в виде функции среднедушевого ВВП (красные линии иллюстрируют средние для стран показатели в период 1960–1991 гг.). Иными словами, изменился характер глобального вызова — на смену демографическому взрыву пришло снижение численности населения, особенно в странах «Глобального Севера».

Вырубка лесов для увеличения пахотных земель

Другой трансформационный процесс, часто описываемый в литературе, — «переход в области землепользования» (land use transition) (Macedo et al., 2012; Baumann et al., 2011; Grau, Aide, 2008; Rounsevell et al., 2012; Munteanu et al., 2014; Long, Qu, 2018; Meyfroidt et al., 2018; Nuissl et al., 2009)5. Для его оценки в GCDB представлена долгосрочная динамика усредненных значений по странам.

Повсеместная в прошлом масштабная вырубка лесов, обусловленная острой потребностью в «новых сельскохозяйственных землях», сократилась благодаря развитию высокопроизводительных угодий. Подобная тенденция, отраженная на рис. 3 в виде функции среднедушевого ВВП, особенно очевидна для стран Европы и других государств с высоким значением упомянутого показателя.

 

Рис. 3. Вырубка лесов (доля площади пахотных земель) как функция ВВП на душу населения

 

Представленный график показывает: чем выше уровень экономического развития, тем меньшие масштабы вырубки лесов требуются для функционирования экономики, а в отдельных случаях даже осуществляется лесоразведение. Вместе с тем продемонстрирована когнитивная ограниченность представлений о будущем экономики как простом продолжении прошлого и подчеркнута принципиальная необходимость мультипарадигменной Форсайт-методологии (Vester, von Hesler, 1980; Ahamer, Jekel, 2010).

Системные изменения в динамике загрязнения атмосферы и топливно-энергетическом балансе

История охраны окружающей среды показывает, как менялись представления о наиболее опасных загрязнителях воздуха. Выявлена их связь с источниками энергии, получившими распространение в разные периоды. На начальном этапе экологи фокусировались на «классических загрязнителях» — пыль, оксиды углерода и серы (CO и SO2). На смену им пришли оксиды азота (NOx) и углеводороды (чаще всего выделяются транспортными средствами), признанные виновниками разрушения озона и роста респираторных заболеваний. Затем на первый план выходят диоксид углерода (CO2) и другие парниковые газы как системные факторы жизнедеятельности любого общества, основанной на использовании ископаемого топлива (Meadows et al., 1972; Lovelock, 1988).

В каждом периоде прослеживается собственный главный загрязнитель окружающей среды, начиная от мелкой угольной пыли и CO и кончая глобальным загрязнением парниковыми газами и CO2. Роли «виновников» меняются по мере эволюции в понимании механизмов окружающей среды. Упомянутые экологические проблемы решались (по крайней мере частично) в следующей последовательности. В 1960–1990-е гг. было существенно снижено содержание в воздухе пыли, CO и SO2, прежде всего с помощью технологий фильтрации («на выходе»). На протяжении 1990–2010-х гг. постепенно сокращалось использование агентов, вредящих содержанию озона. В настоящее время в центре внимания природоохранной деятельности находятся парниковые газы. Одновременно наблюдается переход от локального к системному уровню в решении экологических проблем. Усилия по минимизации воздействий ограниченного масштаба (например, выбросов из конкретной фабричной трубы) сменяются работой с масштабными структурными процессами, вызванными функционированием многочисленных источников выбросов, в том числе домохозяйств и транспортных средств. Данной тенденции сопутствуют принципиальные поведенческие сдвиги. Коронавирусный кризис привел к неожиданному открытию: выбросы в атмосферу всего за месяц «экономического простоя» сократились настолько, что внесли существенный вклад в улучшение ситуации с климатом (рис. 4).

 

Рис. 4. Изменение концентрации оксида азота в атмосфере над Китаем

 

Другой пример — изменения рыночных долей источников энергии (f), что на первый взгляд следует определенной закономерности. В конце 1970-х гг. Чезаре Марчетти (Chesare Marchetti) и его коллеги предложили отражать динамику этого процесса в виде двойной логарифмической кривой (Marchetti, Nakićenović, 1979). «Кривая Марчетти» иллюстрирует последовательность эпох, исходя из преобладающих (по доле рынка f) источников энергии (рис. 5). На начальном этапе развития цивилизации в качестве энергоносителя доминировала биомасса, на смену которой последовательно пришли уголь, затем нефть и, в настоящее время, газ.

 

Рис. 5. «Кривая Марчетти»

 

Затем, по мнению авторов, должен был наступить век атома, который в то время представлялся более привлекательным. Конкретных будущих форм энергетики Марчетти и соавторы не обозначили: каждый читатель волен интерпретировать расплывчатую аббревиатуру «solfus» в соответствии со своими предпочтениями (она может означать и «солнечную» (solar), и термоядерную (fusion) энергию). Как видим, в предшествующие десятилетия исследователи стремились к полной беспристрастности в соответствии с парадигмой «чистой науки». «Кривая Марчетти» приобрела широкую известность, однако, учитывая, как события развивались в действительности («оглядываясь назад», в данном случае на 40 лет), оказалась не вполне точной. Приведенный пример свидетельствует — чрезмерная ставка на некую идеологическую парадигму ухудшает качество прогнозирования и искажает предлагаемые сценарии.

Вклад различных секторов в развитие экономики

Проанализируем эволюционные сдвиги в структуре отраслей в зависимости от уровня экономического развития и графики, иллюстрирующие эти процессы.

Графическое представление траекторий роста отраслевого ВВП по континентам

Ключевой фактор обоснованности любого прогноза — выявление структурных сдвигов в глобальных экономических системах (степени и последовательности их преобразований) (Sterman, 2000; Abler et al., 1971; Duraković et al., 2012). Возникают вопросы:

  • Какие блага значимы для населения?
  • В каких видах экономической деятельности их ценность находит отражение?
  • Насколько стремление реализовать предпочтения трансформируется в соответствующие усилия?

Значимость того или иного сектора оценивается прежде всего его процентной долей, например, в затратах и в объеме производства услуг. Данные о ВВП позволяют корректно сравнивать эти аспекты для всех стран за прошлые десятилетия.

 

Рис. 6. Направления развития ключевых секторов в зависимости от подушевого ВВП (по континентам)

 

На рис. 6 представлены доли трех основных секторов ВВП по континентам в зависимости от уровня их экономического развития (GDP/cap). Распыленные линии трех цветов показывают ширину окна для продолжения «траекторий развития» на планете, включая предполагаемые варианты, характеризующиеся менее значительными показателями ВВП на душу населения. Однако следует учитывать, что допущение о наличии «траекторий» само по себе означает согласие с одним из нескольких возможных мнений относительно парадигм развития. Речь идет о путях, идентичных для любой эволюции, — всем странам в той или иной степени предстоит следовать траектории «наиболее развитых» государств. Но наряду с этим оптимистичным представлением о развитии, описываемым теориями внутреннего роста, существуют и теории зависимости (Fischer et al., 2016; Ahamer, Kumpfmüller, 2013; Bader et al., 2013, 2014).

 

Рис. 7. Направления развития секторов в зависимости от подушевого ВВП (по континентам) — логарифмическая вертикальная шкала

 

На рис. 7 для тех же континентов показаны процентные доли 10 сегментов ВВП как функция уровня экономического развития континента (GDP/cap). Он содержит более детальные сведения, но каждую конкретную траекторию развития отследить сложно. К тому же существенную роль играют потенциальные различия в охвате данных, создающие эффект ступенчатых функций.

 

Рис. 8. Направления развития промышленности в зависимости от подушевого ВВП (по континентам) — линейная вертикальная шкала

 

На рис. 8 представлены подробные данные об отраслях промышленности с использованием линейной шкалы (в отличие от логарифмической шкалы на рис. 7). Динамика небольших (в несколько процентов) значений на вертикальной логарифмической шкале прослеживается более отчетливо, поскольку она лучше соответствует подразумеваемой парадигме «предположительно постоянного темпа относительных изменений в ходе развития» (Estep, 2002). Соответственно, в дальнейшем мы будем использовать именно эту шкалу.

 

Рис. 9. Направления развития сервисных секторов промышленности в зависимости от подушевого ВВП (по континентам) — линейная вертикальная шкала

 

Предполагаемые траектории развития можно нагляднее представить с помощью логарифмических (а не линейных) графиков, как видно из рис. 9 (рост доли сектора услуг на всех континентах). Метод GCDB предполагает поиск закономерностей на графиках — чем более характерными являются обнаруженные тенденции, тем убедительнее будет формула развития. Любая эволюция следует экспоненциальным, а не линейным законам.

 

Рис. 10. Ключевые сегменты экономики как совокупности секторов

 

Методологический смысл рис. 10 заключается в том, что графики отдельных стран без использования усредненных по времени данных, скорее всего, дадут менее четкую картину по сравнению с основанными на пространственных или временных агрегатах (как на других рисунках).

Вышеупомянутый экономический переход между секторами известен давно (Haggett, 2001). GCDB позволяет количественно оценить его относительную скорость и время начала для каждого отдельного сектора. Тем самым «экономический переход» становится общим для всех стран «естественным законом».

Визуализация траекторий отраслевого ВВП по странам

Рассмотрим, как возможности разных способов графического представления одних и тех же данных помогают учесть различные аспекты глобального экономического перехода.

На основе упомянутых графиков, иллюстрирующих внутриотраслевые сдвиги в ходе экономической эволюции (возможно, систематические — вопрос требует дальнейшего анализа), в настоящее время разрабатывается новый метод графической презентации.

Данные об эволюции предпочтительно отображать как функцию ВВП на душу населения, при этом необходимо четко показать процентную долю каждого сектора экономики. Кроме того, для большей наглядности траекторий следует использовать усредненные (в пространстве и по времени) показатели.

 

Рис. 11. Динамика подушевого ВВП для сектора электроэнергетики как функция общего подушевого ВВП

 

В качестве первого примера подобного графического представления, а также для иллюстрации различий между географическими регионами на рис. 11 приводится график динамики ВВП на душу населения как функция GDP/cap для подсектора энергетики «Электроэнергия, газ, пар»6.

 

Одиннадцать учитываемых здесь регионов соответствуют моделям IIASA (IPCC, 2002; Ahamer, 2008, 2014, 2015).

В процессе развития экономики растет и валовая добавленная стоимость рассматриваемой отрасли. Как следствие, кривые для всех континентов стремятся вправо и вверх. Процент совокупного ВВП можно определить путем соотнесения с диагоналями (они соответствующим образом маркированы). Больший угол наклона вверх на рис. 11 означает положительный темп роста на рис. 13.

 

Рис. 12. Динамика подушевого ВВП по секторам экономики как функция общего подушевого ВВП

 

На рис. 12 та же информация, что на рис. 11, приведена по всем девяти секторам экономики. Кроме того, отражены совокупные статистически скорректированные показатели для промышленности и сферы услуг. Последовательность диагональных линий такая же, как на рис. 11, но линии обозначены синим цветом.

Можно видеть, что некоторые секторы не следуют «общей» траектории развития, а скорее «подчиняются» местным природным условиям. В первую очередь это горнодобывающая промышленность, что вполне понятно, поскольку ее географические и геологические критерии не зависят от экономического развития страны. Динамика других секторов явно соответствует «эволюционной траектории».

 

Рис. 13. Tемпы роста секторов как функция общего подушевого ВВП (абсолютные значения)

 

Далее представлены изменения темпов роста по девяти секторам. На рис. 13 стрелки показывают динамику, примерно отвечающую усредненной для всех стран. На рис. 14 отражены средние темпы роста по отраслям, также в процентных пунктах.

 

Рис. 14. Темпы роста секторов как функция общего подушевого ВВП (%)

 

Выводы в отношении динамики валовой добавленной стоимости

По результатам анализа приведенных выше цифр и выявления секторов с увеличивающимися темпами роста можно сделать следующие выводы в отношении того, в каких из них расширение деятельности в средне- и долгосрочной перспективе продолжится (положительная динамика в правой части рис. 14):

  • технологическая инфраструктура (электричество, газ, вода) — в настоящее время уровень низкий, но темпы роста достаточно высокие;
  • транспорт и связь;
  • финансовые услуги и страхование;
  • коммунальные и социальные услуги.

В данном случае в качестве переменных важно рассматривать темпы роста как таковые. Пересечение нулевой линии на рис. 14 (т. е. изменение математического знака) означает сдвиг, аналогичный известному демографическому переходу.

 

Рис. 15. Предполагаемая итоговая глобальная траектория развития ключевых секторов как функция общего подушевого ВВП

 

Общая картина представлена на рис. 15 в виде гипотетической траектории для сельского хозяйства, промышленности и сферы услуг. Она определяется уровнем экономического развития, который выражается в виде отраслевого ВВП на душу населения и интерпретируется как «воспринимаемая важность» соответствующего вида экономической деятельности.

Тенденции развития энергетики

Энергетический переход открывает серьезные возможности для разных стран, включая Россию (IRENA, 2017a, b; IRENA, 2022; Grechukhina, 2021). Традиционные прогнозы спроса на энергию обычно представляют собой линейную проекцию или предполагают незначительный экспоненциальный рост (IPCC, 2002; IIASA, 1998). Нередко они базируются на более ранних исследованиях IIASA, которые исходили из единой глобальной числовой константы — показателя снижения энергоемкости (E/GDP), а именно –0.8% в год. Рассмотрим более совершенные способы отображения глобальной динамики.

Рост конечного энергопотребления

Динамика спроса на энергию в разных странах — ключевая характеристика глобального «энергетического перехода». На рис. 16 и последующих графиках отражен только усредненный показатель (красная линия), а не фактические значения, которые существенно варьируют. Примечательно, что в правой части графика темпы роста сходятся на отметке примерно 1% (развитые страны). К тому же наблюдаемая динамика имеет тенденцию к снижению и, по-видимому, в некоторых случаях уже стала отрицательной. Если экстраполировать тренд, сокращение спроса на энергию в перспективе связано со снижением ее потребления в развитых экономиках.

 

Рис. 16. Динамика конечного потребления энергии (E final) (ПДж) как функция общего подушевого ВВП

 

Энергетический переход означает самоорганизующуюся динамику, связанную с циклами отрицательной обратной связи в глобальной энергетической системе. В конечном итоге она может урегулировать основную массу «больших» энергетических проблем, в том числе связанных с парниковым эффектом.

Конечное потребление энергии на душу населения и темпы его роста

Одна из характерных и стабильных тенденций мирового «энергетического перехода» заключается в том, что вне зависимости от политической системы и уровня экономического развития рост потребления энергии на душу населения выравнивается. В некоторых странах подушевые показатели конечного спроса на энергию изначально положительно коррелировали с ВВП (рис. 17). Это согласуется с известным фактом, что в развитых странах среднедушевое потребление выше и со временем растет. В совокупности факты указывают на неизбежное увеличение спроса на энергию.

 

Рис. 17. Зависимость конечного потребления энергии на душу населения как функция подушевого ВВП

 

Однако некоторые «учатся на прошлом опыте»: государства с ранее невысокими показателями ВВП на душу населения (например, Китай), возможно, уже идут по пути снижения среднедушевого энергопотребления (E/cap). На рис. 18 представлена динамика E/cap, которая подтверждает, что рост этого показателя фактически достиг стадии насыщения.

 

Рис. 18. Динамика конечного энергопотребления на душу населения как функция подушевого ВВП

 

Энергоемкость и темпы ее роста

Коэффициент энергоемкости как ключевая характеристика экономики отражает соотношение объемов потребления конечной энергии и ВВП. В рамках фундаментальной стратегии борьбы с глобальным потеплением предстоит разорвать связь между энергопотреблением и экономическим ростом, однако решение задачи должно быть конкретным и рациональным. Данные, представленные на рис. 19, могут «убедить» в том, что энергоемкость снижается естественным образом.

 

Рис. 19. Динамика конечного энергопотребления на душу населения как функция подушевого ВВП

 

Более детальная картина динамики снижения E/GDP (возможно, закономерной) отражена на рис. 20. В странах со средним уровнем экономического развития (ВВП на душу населения порядка 1000–2000 долл.) энергоемкость остается стабильной, однако по мере прогресса становится возможным ее существенное снижение (см. нижнюю часть рис. 20).

 

Рис. 20. Динамика энергоемкости как функция подушевого ВВП

 

Анализ компонентов глобального «энергетического перехода» на основе количественных данных GCDB указывает на частичный вклад роста производства на единицу потребляемой энергии в этот процесс.

Изменение отраслевого спроса на энергию

Доли некоторых ключевых секторов в конечном энергопотреблении

Примерно по 30 секторам отраслевая классификация Международного энергетического агентства, на которой основан GCDB7, не совпадает с номенклатурой, используемой в экономической статистике ООН. По этой причине коэффициенты на рис. 1 невозможно рассчитать для всех отраслей (что, казалось бы, не должно вызывать трудностей), особенно когда необходимы одновременно данные по энергетике и ВВП.

Чтобы дать корректную и реалистичную иллюстрацию, на рис. 21 приводится ряд показательных примеров конечного энергопотребления (в процентах), в том числе в промышленности, сфере услуг и на транспорте.

 

Рис. 21. Доли энергопотребления в ключевых секторах

 

Эволюционные процессы и динамика, описанные выше, предметно изучены и статистически подтверждены. В отличие от использованной в предыдущих разделах разбивки по ВВП, здесь представлена структура потребления энергии (доли совокупного спроса на нее) по отраслям (рис. 21). Например, на транспортный сектор приходится значительная доля потребления энергии. Помимо классического сектора услуг, «прочие» отрасли также включают домохозяйства, не связанные с созданием валовой добавленной стоимости в отраслях. Таким образом, рассчитать подробные коэффициенты Ei/GDPi не всегда возможно.

 

Табл. 1. Интерпретация некоторых тенденций, выявленных на рис. 21

Перспектива

Тенденции

Краткосрочная
(5–10 лет)

· Текущая низкая доля потребления энергии в сельском хозяйстве постепенно возрастает

· Удельный вес энергопотребления в промышленности, находящийся на высоком уровне, со временем снижается, особенно в черной металлургии

· Объем генерации электроэнергии как доля в общем энергопотреблении продолжает существенно расти, в основном для государственных производителей

· Внутреннее производство источников энергии растет

· Доля потребления энергии в сфере услуг медленно, но постоянно увеличивается

Средне- и
долгосрочная
(10–20 лет)

· В долгосрочной перспективе вклад компаний — потребителей в выработку электроэнергии («собственное производство») начнет расти

· Текущая значительная доля неэнергетического использования в долгосрочной перспективе пойдет на спад

· Динамика импорта постепенно замедляется

· Темпы роста энергопотребления химической промышленности, прежде бывшие высокими, в долгосрочной перспективе начнут снижаться

· Изначально существенный вклад транспортного сектора в энергопотребление продолжит расти

Источник: составлено автором.

 

Динамика отраслевой структуры энергопотребления

Данные об отраслевых темпах роста по странам (рис. 22) позволяют лучше понять эту динамику, особенно для развитых государств (в правой части графиков).

 

Рис. 22. Динамика долей энергопотребления отдельных отраслей

 

Кривые визуализации тенденций и корреляций позволяют интерпретировать их следующим образом:

  • Доля спроса на энергию со стороны автомобильного транспорта постоянно растет; вероятно, тренд сохранится как в кратко-, так и в долгосрочной перспективе.
  • Темпы увеличения доли энергопотребления авиационного транспорта были высокими и раньше, но в среднесрочной перспективе в экономически развитых странах могут значительно увеличиться, тогда как в государствах со средним уровнем развития должны замедлиться
  • Относительное снижение доли энергопотребления железнодорожного транспорта пока сохраняется, но в развитых экономиках в среднесрочной перспективе оно может смениться заметным ростом.

Другие наблюдения обобщены в табл. 1.

Вклад источников энергии в конечное энергопотребление

Рассмотрим динамику долей потребления энергии, получаемой из более чем 20 источников. На рис. 23 отражены показатели удельного веса энергоносителей, детализированные по регионам, в средне- и долгосрочной перспективе.

 

Рис. 23. Структура отраслевого энергопотребления

 

В среднесрочной перспективе снизится потребление угля и тяжелой нефти. После краткосрочного подъема последует долгосрочное сокращение спроса на все нефтепродукты, в частности дизельное топливо и бензин. На среднесрочном горизонте усилится востребованность природного газа и электроэнергии, в долгосрочном — биомассы, тепловой энергии и авиатоплива.

Динамика конечного потребления по источникам энергии

 

Рис. 24. Динамика энергопотребления по источникам энергии

 

Расширенное представление о глобальной динамике раскрывают графики изменения спроса на различные энергоносители (рис. 24). По итогам анализа следует ряд выводов о возможных долгосрочных сдвигах в энергетическом балансе:

  • потребление угля продолжает сокращаться, но более низкими темпами;
  • падение спроса на нефтепродукты ускоряется;
  • потребление газа стабилизировалось;
  • востребованность электроэнергии устойчиво растет;
  • потребление других видов твердого топлива (включая биомассу) увеличивается;
  • экономия тепловой энергии стала существенно эффективнее;
  • использование тяжелой нефти для производства нефтепродуктов нарастает ускоренными темпами;
  • потребность в бензине умеренно растет, с небольшим отставанием следует дизельное топливо;
  • развитые страны существенно сокращают потребление сжиженного природного газа;
  • рост цен на авиатопливо замедляется в мировом масштабе.

Заключение

Фундаментальные изменения растянуты во времени и имеют сложную природу. Исходя из этого надежная квантификация долгосрочных глобальных системных тенденций приобретает особую ценность. Природу таких сдвигов целесообразно учитывать при разработке сценариев с помощью тех или иных методов, независимо от лежащих в их основе допущений, таких как:

  • характер экономического роста — циклический или экспоненциальный;
  • темпы исторического развития — равномерные либо скачкообразные (обусловленные переходами);
  • рост либо снижение экономического неравенства населения;
  • стиль выражения суждений об исторических процессах и будущем — повествовательный или формализованный.

Учитывая столь широкое разнообразие парадигм, метод GCDB, использующий количественную информацию о более чем 2500 массивах первичных данных по странам, позволяет анализировать множественные нелинейные непредсказуемые и неожиданные тенденции в экономике, энергетике и землепользовании.

В настоящей статье выявлены и графически представлены тенденции, касающиеся спроса и предложения энергии, эффективности и интенсивности ее использования, изменения топливного баланса, отраслевой структуры экономики, потребления и предложения энергии по секторам, а также динамики перемен.

На первый взгляд представляется, что темпы роста мирового спроса на все виды энергии будут снижаться: пики потребления угля, нефти и газа скоро будут пройдены. Выявленные глобальные тенденции представляют угрозу для любой страны, экономика которой существенно зависит от нефти, газа и угля. Эффективная стратегия может включать активное развитие производства энергии из возобновляемых источников (биомасса, солнечная энергия, ветер) и ее интеграцию в национальные энергосети.

Однако более глубокий подход означает выход за рамки простого наблюдения «тенденций», основанного на допущении о линейном или экспоненциальном историческом развитии. Детальный анализ эволюционных парадигм (Ahamer, 2019) указывает на многочисленные комбинации циклов и тенденций. История не течет в направлении, которое можно было бы выразить строгими формулами или даже экспоненциальными либо синусоидальными кривыми. Сканирование при помощи метода GCDB показывает, что технико-социально-экономическая эволюция происходит в форме переходов. Напомним об известных примерах:

  • демографический переход;
  • переход к землепользованию с вырубкой лесов;
  • сдвиг в массовом использовании от одного источника энергии к другому, каждому из которых сопутствуют собственные главные загрязняющие вещества;
  • устойчивый исторический сдвиг в экономике — от сельского хозяйства к промышленности и далее к сектору услуг.

Среди наиболее выраженных тенденций энергетического перехода — стабильное замедление темпов конечного потребления энергии (Efinal) на протяжении всей истории. Об этом свидетельствует приближение переменной «конечное потребление энергии на душу населения (Efinal/cap)» к состоянию насыщения, проиллюстрированное темпами ее роста.

Наиболее неожиданный результат — резкое снижение значения и темпов роста переменной энергоемкости. Наблюдаемый энергетический переход (в смысле стратегического отказа от ископаемого топлива и переориентации на возобновляемые источники энергии) фактически лежит в основе всех современных стратегий по борьбе с изменением климата. Дополнительным стимулом стала недавно обострившаяся геополитическая обстановка, побудившая европейские страны ускорить движение к собственной энергетической независимости.

Что касается переходов внутри энергетического сектора в плане ставок на различные виды топлива, то в общей сложной картине выделяются несколько тенденций. Прежде всего отметим отказ от «грязных» (с обильными выбросами) первичных видов топлива (уголь и сырая нефть) в пользу ориентированных на потребителя и более чистых видов (электричество, тепло, СПГ и авиационное топливо). Одновременно уменьшается экономический вклад «тяжелых» отраслей (например, сталелитейной) промышленности и сельского хозяйства при увеличении доли услуг.

Переход наблюдается повсеместно, хотя время его начала по странам существенно варьирует (иногда на несколько столетий). Чтобы «нормализовать» эти эффекты, в качестве замещающей переменной для измерения «периода эволюции» вместо хронологии часто применяют показатель экономического развития страны (ВВП на душу населения).

На более общем уровне выявлены существенные сдвиги по направлениям, в которых в определенные исторические периоды происходит бурный рост (притом что и до, и после таких периодов их состояние остается относительно стабильным). Речь идет о таких аспектах, как демография (численность населения), ВВП, производство и потребление энергии. Эволюция здесь рассматривается как последовательность переходов и описывается концепцией «эволюции процветания» (blossoming evolution) (Ahamer, 2019). Согласно этой теории, помимо преимущественно эволюционной динамики в мировой истории происходят переходы от одной структуры социально-экономической системы к принципиально иной (Christian, 2018). При этом каждая предшествующая система стремится поддерживать внутреннее равновесие до тех пор, пока все же не окажется неустойчивой. Такие системы функционируют в соответствии с теми или иными «естественными законами» (например, «вертикаль власти», демократизм, взаимное уважение, индивидуальная ответственность). Как показывает история, каждая социально-экономическая система имеет свои принципы, законы и этику (Küstenmacher et al., 2010). Согласно долговременным историческим наблюдениям, несмотря на отдельные (и масштабные) девиации, мир эволюционирует в сторону более демократичного устройства, основанного на диалоге и взаимном уважении, что согласуется с положениями теории «эволюции процветания».

В целом, База данных глобальных изменений (GCDB) предоставляет многофункциональный инструментарий для анализа трендов и перемен в глобальной энергетической системе, позволяющий глубже понять ее динамику. Извлеченные знания помогут наметить пути дальнейшего развития для достижения предпочтительной структуры глобальной энергетики и экономики.

 

1 Среди них, прежде всего, следует выделить базу данных Международного института прикладного системного анализа (International Institute for Applied Systems Analysis, IIASA). https://previous.iiasa.ac.at/web/home/research/researchPrograms/Energy/Databases.en.html, дата обращения 18.11.2021.

2 Крупнейшим ресурсом в этом отношении считается база данных Продовольственной и сельскохозяйственной организации Объединенных Наций (Food and Agriculture Organization, FAO). https://www.fao.org/land-water/databases-and-software/ru/, дата обращения 18.11.2021.

3 Широкое применение, в частности, получила база данных Международного энергетического агентства (International Energy Agency, IEA). https://www.iea.org/data-and-statistics/data-browser, дата обращения 18.11.2021.

4 Например, базы данных Статистического отдела Секретариата Организации Объединенных Наций (United Nations Statistics Division, UNSTAT). https://unctadstat.unctad.org/EN/, дата обращения 18.11.2021.

5 В исследовании (Fagua et al., 2019) используется термин «трансформация, связанная с вырубкой лесов» (deforestation transition).

6 В соответствии с классификацией видов экономической деятельности ООН. https://unstats.un.org/unsd/trade/classifications/SeriesM_53_Rev.5_17-01722-E-Classification-by-Broad-Economic-Categories_PRINT.pdf, дата обращения 14.01.2022.

7 В частности, использована на рис. 17 в работе (Ахамер, 2018).

×

About the authors

Gilbert Ahamer

Institute for Economic History at the Graz University; Environment Agency

Author for correspondence.
Email: gilbert.ahamer@uni-graz.at

Senior Researcher, Expert

Austria, Brandhofgasse 5, 8010 Graz; Spittelauer Lände 5, 1090 Vienna

References

  1. Ахамер Г. (2018) Применение глобальных баз данных в Форсайт-исследованиях энергетики и землепользования: метод GCDB. Форсайт, 12(4), 46–61. doi: 10.17323/2500-2597.2018.4.46.61
  2. Ahamer G. (2008) Virtual Structures for mutual review promote understanding of opposed standpoints. The Turkish Online Journal of Distance Education, 9(1), 17–43.
  3. Ahamer G. (2012) Geo-Referenceable Model for the Transfer of Radioactive Fallout from Sediments to Plants. Water, Air, and Soil Pollution, 223(5), 2511–2524. doi: 10.1007/s11270-011-1044-x
  4. Ahamer G. (2014) Kon-Tiki: Spatio-temporal maps for socio-economic sustainability. Journal for Multicultural Education, 8(3), 206–223. doi: 10.1108/JME-05-2014-0022
  5. Ahamer G. (2015) Applying student-generated theories about global change and energy demand. International Journal of Information and Learning Technology, 32(5), 258–271. doi: 10.1108/IJILT-01-2015-0002
  6. Ahamer G. (2019) Mapping Global Dynamics. From Local Pollution to Global Evolution. Heildelberg, Dordrecht, London, New York: Springer. doi: 10.1007/978-3-319-51704-9
  7. Ahamer G. (2021) Can we synthesise different development theories? Social Evolution and History, 20(2), 79–108, doi: 10.30884/seh/2021.02.04
  8. Ahamer G., Jekel T. (2010) Make a Change by Exchanging Views. In: Cases on Transnational Learning and Technologically Enabled Environments (eds. S. Mukerji, P. Tripathi), Hershey, PA: IGI Global, 1–30. doi: 10.4018/978-1-61520-749-7.ch001
  9. Ahamer G., Kumpfmüller K.A. (2013) Education and literature for development in responsibility: Partnership hedges globalization. In: Handbook of Research on Transnational Higher Education (eds. S. Mukerji, P. Tripathi), Hershey, PA: IGI Global, 526–584. doi: 10.4018/978-1-4666-4458-8.ch027
  10. Akaev A., Sadovnichy V., Korotayev A. (2012) On the dynamics of the world demographic transition and financial-economic crises forecasts. European Physical Journal: Special Topics, 205(1), 355–373. doi: 10.1140/epjst/e2012-01578-2
  11. Bader L., Bereuther T., Deutsch E., Edlinger J., Füreder S., Kaspar E., Köttstorfer M., Mautner C., Rossegger C., Samonig A., Samonig S., Schuster C., Witz G., Zotter V., Ahamer G. (2013) Quality Improvements in Curricula for Global Studies. Multicultural Education and Technologies Journal, 7(2/3), 113–126, doi: 10.1108/17504971311328035
  12. Bader L., Bereuther T., Deutsch E., Edlinger J., Füreder S., Kaspar E., Köttstorfer M., Mautner C., Rossegger C., Samonig A., Samonig S., Schuster C., Witz G., Zotter V., Rozanov A., Ilyin V., Ahamer G. (2014) Multiparadigmatic Humanities: Curricula for Global Studies. International Journal of Humanities and Social Science, 4(6), 314–337. http://www.ijhssnet.com/journals/Vol_4_No_6_1_April_2014/34.pdf and also https://istina.msu.ru/workers/6530980/, дата обращения 11.04.2021.
  13. Baumann M., Kuemmerle T., Elbakidze M., Ozdogan M., Radeloff V.C., Keuler N.S., Prishchepov A.V., Kruhlov I., Hostert P. (2011) Patterns and drivers of post-socialist farmland abandonment in Western Ukraine. Land Use Policy, 28(3), 552–562. doi: 10.1016/j.landusepol.2010.11.003
  14. Bertalanffy L. (1968) General System Theory: Foundations, Development, Applications, New York, NY: Braziller.
  15. Brans J., Mareschal B. (1994) The PROMCALC & GAIA decision support system for multicriteria decision aid. Decision Support Systems, 12(4–5), 297–310. doi: 10.1016/0167-9236(94)90048-5
  16. Castells M. (1996) The Information Age: Economy, Society and Culture, Cambridge, MA: Blackwell.
  17. Chen R., Ye C., Cai Y., Xing X., Chen Q. (2014) The impact of rural out-migration on land use transition in China: Past, present and trend. Land Use Policy, 40, 101–110. doi: 10.1016/j.landusepol.2013.10.003
  18. Christian D. (2005) Macrohistory: The Play of Scales, Social Evolution & History, 4(1), 22–59.
  19. Christian D. (2018) Origin Story: A Big History of Everything, New York, Bostion, London Little: Brown and Company.
  20. Du Y., Yang C. (2014) Demographic transition and labour market changes: Implications for economic development in China. Journal of Economic Surveys, 28(4), 617–635. doi: 10.1111/joes.12072
  21. Duraković E., Feigl B., Fischer B., Fleck C., Galler L.-M., Heinrich J., Kulmer K., Kurzweil B., Scholze M., Sperl R., Unterköfler R., Matzenberger J., Remele K., Ahamer, G. (2012) Dialogic Global Studies for Multicultural Technology Assessment. Multicultural Education & Technology Journal, 6(4), 261–286. doi: 10.1108/17504971211279527
  22. Estep D. (2002) Constant Relative Rate of Change and the Exponential. In: Practical Analysis in One Variable. Undergraduate Texts in Mathematics (eds. S. Axler, F.W. Gehring, K.A. Ribet), Heidelberg, Dordrecht, London, New York: Springer. doi: 10.1007/0-387-22644-3_30
  23. Fagua J.C., Baggio J.A., Ramsey R.D. (2019) Drivers of forest cover changes in the Chocó-Darien Global Ecoregion of South America. Ecosphere, 10(31), e02648. doi: 10.1002/ecs2.2648
  24. Feron P.H.M. (2016) Introduction. In: Absorption-Based Post-combustion Capture of Carbon Dioxide (ed. P.H.M. Feron), Sawston (UK): Woodhead Publishing, pp. 3–12. doi: 10.1016/B978-0-08-100514-9.00001-9
  25. Fischer A.M. (2008) “Population invasion” versus urban exclusion in the Tibetan areas of Western China. Population and Development Review, 34(4), 631–662. doi: 10.1111/j.1728-4457.2008.00244.x
  26. Fischer K., Hauck G., Boatcă M. (eds.) (2016) Handbuch Entwicklungsforschung, Berlin: Springer. https://www.springer.com/de/book/9783658047894, дата обращения 18.04.2022.
  27. Galor O. (2012) The demographic transition: Causes and consequences. Cliometrica, 6(1), 1–28. doi: 10.1007/s11698-011-0062-7
  28. Grau H.R., Aide M. (2008) Globalization and land-use transitions in Latin America. Ecology and Society, 13(2), 16. doi: 10.5751/ES-02559-130216
  29. Grechukhina I. (2021) Socio-economic and environmental effects of renewable energy policy in Russia. International Journal of Foresight and Innovation Policy, 15(1–3), 157–170.
  30. Haggett P. (2001) Geography – A global synthesis, Harlow: Pearson Education.
  31. Hurtt G.C., Chini L.P., Frolking S., Betts R.A., Feddema J., Fischer G., Fisk J.P., Hibbard K., Houghton R.A., Janetos A., Jones C.D., Kindermann G. (2011) Harmonization of land-use scenarios for the period 1500–2100: 600 years of global gridded annual land-use transitions, wood harvest, and resulting secondary lands. Climatic Change, 109(1), 117–161. doi: 10.1007/s10584-011-0153-2
  32. Hurtt G.C., Frolking S., Fearon M.G., Moore B., Shevliakova E., Malyshev S., Pacala S.W., Houghton R.A. (2006) The underpinnings of land-use history: Three centuries of global gridded land-use transitions, wood-harvest activity, and resulting secondary lands. Global Change Biology, 12(7), 1208–1229. doi: 10.1111/j.1365-2486.2006.01150.x
  33. IIASA (1998) Global Energy Perspectives in 1998 (IIASA/WEC Report), Cambridge (UK): Cambridge University Press. http://www.iiasa.ac.at/cgi-bin/ecs/book_dyn/bookcnt.py, дата обращения 26.03.2022.
  34. IPCC (2002) Special Report on Emissions Scenarios (SRES), Geneva: International Panel on Climate Change (IPCC). https://www.ipcc.ch/report/emissions-scenarios/, дата обращения 14.01.2022.
  35. IRENA (2017a) Russia Can Nearly Quadruple Share of Renewable Energy by 2030 Tweet, Abu Dhabi, Bonn, New York: International Renewable Energy Agency. https://www.irena.org/newsroom/pressreleases/2017/Apr/Russia-Can-Nearly-Quadruple-Share-of-Renewable-Energy-by-2030, дата обращения 19.04.2022.
  36. IRENA (2017b) Renewable Energy Prospects for the Russian Federation (REmap working paper), Abu Dhabi, Bonn, New York: International Renewable Energy Agency. https://www.irena.org/publications/2017/Apr/Renewable-Energy-Prospects-for-the-Russian-Federation-REmap-working-paper, дата обращения 16.04.2022.
  37. IRENA (2022) World Energy Transitions Outlook: 1.5°C Pathway, Abu Dhabi, Bonn, New York: International Renewable Energy Agency. https://www.irena.org/publications/2022/Mar/World-Energy-Transitions-Outlook-2022, дата обращения 16.04.2022.
  38. Jäger J., Springler E. (2012) Ökonomie der internationalen Entwicklung – Eine kritische Einführung in die Volkswirtschaftslehre (Series “Geschichte – Entwicklung – Politik”, GEP14), Wien: Mandelbaum.
  39. Jeníček V. (2010) Population problem in the future - Challenges, questions. Agricultural Economics, 56(3), 97–107. doi: 10.17221/91/2009-AGRICECON
  40. Kaya Y., Keiichi Y. (1997) Environment, energy, and economy: Strategies for sustainability, Tokyo: United Nations University Press. https://archive.unu.edu/unupress/unupbooks/uu17ee/uu17ee00.htm
  41. Kondratieff N. (1984) Long Wave Cycle, Boston, MA: E.P. Dutton.
  42. Kravdal Ø., Rindfuss R.R. (2008) Changing relationships between education and fertility: A study of women and men born 1940 to 1964. American Sociological Review, 73(5), 854–873. doi: 10.1177/000312240807300508
  43. Küstenmacher M., Haberer T., Küstenmacher W.T. (2010) God 9.0, Gütersloh (Germany): Gütersloher Verlagshaus. http://gott90.de/god-9.0-english, дата обращения 17.02.2022.
  44. Lambin E.F., Meyfroidt P. (2011) Global land use change, economic globalization, and the looming land scarcity. PNAS, 108(9), 3465–3472. doi: 10.1073/pnas.1100480108
  45. Lambin E.F., Meyfroidt P. (2019) Land use transitions: Socio-ecological feedback versus socio-economic change. Land Use Policy, 27(2), 108–118. doi: 10.1016/j.landusepol.2009.09.003
  46. Liao S. (2005) Expert system methodologies and applications-a decade review from 1995 to 2004. Expert Systems with Applications, 28(1), 93–103. doi: 10.1016/j.eswa.2004.08.003
  47. Long H. (2014), Land consolidation: An indispensable way of spatial restructuring in rural China. Journal of Geographical Sciences, 24(2), 211–225. doi: 10.1007/s11442-014-1083-5
  48. Long H., Qu Y. (2018) Land use transitions and land management: A mutual feedback perspective. Land Use Policy, 74, 111–120. doi: 10.1016/j.landusepol.2017.03.021
  49. Long H., Liu Y., Hou X., Li T., Li Y. (2014) Effects of land use transitions due to rapid urbanization on ecosystem services: Implications for urban planning in the new developing area of China. Habitat International, 44, 536–544. doi: 10.1016/j.habitatint.2014.10.011
  50. Lovelock J. (1988) The Ages of Gaia. A Biography of Our Living Earth, New York, London: W.W. Norton & Co.
  51. Lu C., Lee T., Chiu C. (2009) Financial time series forecasting using independent component analysis and support vector regression. Decision Support Systems, 47(2), 115–125. doi: 10.1016/j.dss.2009.02.001
  52. Macedo M.N., DeFries R.S., Morton D.C., Stickler C.M., Galford G.L., Shimabukuro Y.E. (2012) Decoupling of deforestation and soy production in the southern Amazon during the late 2000s. PNAS, 109(4), 1341–1346. doi: 10.1073/pnas.1111374109
  53. MacHaris C., Turcksin L., Lebeau K. (2012) Multi actor multi criteria analysis (MAMCA) as a tool to support sustainable decisions: State of use. Decision Support Systems, 54(1), 610–620. doi: 10.1016/j.dss.2012.08.008
  54. Marchetti C., Nakicenovic N. (1979) The Dynamics of Energy Systems and the Logistic Substitution Model (Report RR-79-13), Laxenburg: Austria International Institute for Applied Systems Analysis. http://www.cesaremarchetti.org/archive/scan/MARCHETTI-028_pt.1.pdf, дата обращения 23.01.2022.
  55. Mattiussi A., Rosano M., Simeoni P. (2014) A decision support system for sustainable energy supply combining multi-objective and multi-attribute analysis: An Australian case study. Decision Support Systems, 57(1), 150–159. doi: 10.1016/j.dss.2013.08.013
  56. Meadows D., Meadows D., Randers J., Behrens III W. (1992) The Limits to Growth, New York: Universe Books.
  57. Meyfroidt P., Roy Chowdhury R., de Bremond A., Ellis E.C., Erb K.-H., Filatova T., Garrett R.D., Grove J.M., Heinimann A., Kuemmerle T., Kull C.A., Lambin E.F. (2018) Middle-range theories of land system change. Global Environmental Change, 53, 52–67. doi: 10.1016/j.gloenvcha.2018.08.006
  58. Mills M., Rindfuss R.R., McDonald P., te Velde E. (2011) Why do people postpone parenthood? reasons and social policy incentives. Human Reproduction Update, 17(6), 848–860. doi: 10.1093/humupd/dmr026
  59. Munteanu C., Kuemmerle T., Boltiziar M., Butsic V., Gimmi U., Lubos Halada K.D., Király G., Konkoly-Gyuró É., Kozak J., Lieskovský J., Mojses M. (2014) Forest and agricultural land change in the Carpathian region – A meta-analysis of long-term patterns and drivers of change. Land Use Policy, 38, 685–697. doi: 10.1016/j.landusepol.2014.01.012
  60. Nielsen I., Fang C. (2007) Demographic shift and projected labour shortage in China. Economic Papers, 26(3), 231–236. doi: 10.1111/j.1759-3441.2007.tb00432.x
  61. Nuissl H., Haase D., Lanzendorf M., Wittmer H. (2009) Environmental impact assessment of urban land use transitions – A context-sensitive approach. Land Use Policy, 26(2), 414–424. doi: 10.1016/j.landusepol.2008.05.006
  62. Peters G.P., Andrew R.M., Canadell J.G., Fuss S., Jackson R.B., Korsbakken J.I., Le Quéré C., Nakicenovic N. (2017) Key indicators to track current progress and future ambition of the Paris Agreement. Nature Climate Change, 7, 118–122. doi: 10.1038/nclimate3202
  63. Powers J.S., Corre M.D., Twine T.E., Veldkamp E. (2011) Geographic bias of field observations of soil carbon stocks with tropical land-use changes precludes spatial extrapolation. PNAS, 108(15), 6318–6322. doi: 10.1073/pnas.1016774108
  64. Raskin P. (2012) Scenes from the Great Transition. Solutions, 3(4), 11–17. https://archive.ph/20130620204841/http://thesolutionsjournal.anu.edu.au/node/1140#selection-209.0-233.11, дата обращения 16.02.2022.
  65. Raskin P. (2016) Journey to Earthland: The Great Transition to Planetary Civilization, Boston, MA: Tellus Institute.
  66. Raskin P., Banuri T., Gallopín G., Gutman P., Hammond A., Kates R., Swart R. (2002) Great Transition: The Promise and Lure of the Times Ahead (A Report of the Global Scenario Group), Boston, MA: Tellus Institute.
  67. Raymo J.M., Park H., Xie Y., Yeung W.-J. (2015) Marriage and Family in East Asia: Continuity and Change. Annual Review of Sociology, 41(1), 150504162558008. doi: 10.1146/annurev-soc-073014-112428
  68. Rounsevell M.D.A., Pedroli B., Erb K.-H., Gramberger M., Busck A.G., Haberl H., Kristensen S., Kuemmerle T., Lavorel S., Lindner M., Lotze-Campen H., Metzger M.J. (2012) Challenges for land system science. Land Use Policy, 29(4), 899–910. doi: 10.1016/j.landusepol.2012.01.007
  69. Rubenstein-Montano B., Liebowitz J., Buchwalter J., McCaw D., Newman B., Rebeck K. (2001) A systems thinking framework for knowledge management. Decision Support Systems, 31(1), 5–16. doi: 10.1016/S0167-9236(00)00116-0
  70. Sayamov Y. (2013) Education as a Global “Soft Power” for Sustainable Development. Campus-Wide Information Systems, 30(5), 346–357.
  71. Seuring S. (2013) A review of modeling approaches for sustainable supply chain management. Decision Support Systems, 54(4), 1513–1520. doi: 10.1016/j.dss.2012.05.053
  72. Shen J., Spence N.A. (1996) Modelling urban-rural population growth in China. Environment and Planning A, 28(8), 1417–1444. doi: 10.1068/a281417
  73. Ssewamala F.M. (2015) Optimizing the “demographic dividend” in young developing countries: The role of contractual savings and insurance for financing education. International Journal of Social Welfare, 24(3), 248–262. doi: 10.1111/ijsw.12131
  74. Steiniger S., Bocher E. (2009) An overview on current free and open source desktop GIS developments. International Journal of Geographical Information Science, 23(10), 1345–1370. doi: 10.1080/13658810802634956
  75. Sterman J. (2000) Business Dynamics: Systems thinking and modelling for a complex world, New York: McGraw Hill.
  76. Toft M.D. (2007) Population shifts and civil war: A test of power transition theory. International Interactions, 33(3), 243–269. doi: 10.1080/03050620701449025
  77. Upadhyay U.D., Gipson J.D., Withers M., Lewis S., Ciaraldi E.J., Fraser A., Huchko M.J., Prata N. (2014) Women’s empowerment and fertility: A review of the literature. Social Science and Medicine, 115, 111–120. doi: 10.1016/j.socscimed.2014.06.014
  78. Vester F., von Hesler A. (1980) Sensitivitätsmodell. Umweltforschungsplan des Bundesministers des Innern: Ökologie und Planung in Verdichtungsgebieten, Frankfurt am Main: Regionale Planungsgemeinschaft Untermain.
  79. Zhang J. (2002) Urbanization, population transition, and growth. Oxford Economic Papers, 54(1), 91–117. doi: 10.1093/oep/54.1.91

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Main variables of statistical analysis

Download (29KB)
Indexing metadata
3. Fig. 2. Population growth rates in the world in recent decades

Download (60KB)
Indexing metadata
4. Fig. 3. Deforestation (share of arable land) as a function of GDP per capita

Download (62KB)
Indexing metadata
5. Fig. 4. Change in the concentration of nitrogen oxide in the atmosphere over China

Download (159KB)
Indexing metadata
6. Fig. 5. "Marchetti curve"

Download (83KB)
Indexing metadata
7. Fig. 6. Development directions of key sectors depending on per capita GDP (by continent)

Download (97KB)
Indexing metadata
8. Fig. 7. Directions of development of sectors depending on per capita GDP (by continent) - logarithmic vertical scale

Download (109KB)
Indexing metadata
9. Fig. 8. Directions of industrial development depending on per capita GDP (by continent) - linear vertical scale

Download (48KB)
Indexing metadata
10. Fig. 9. Directions of development of service sectors of industry depending on per capita GDP (by continent) - linear vertical scale

Download (58KB)
Indexing metadata
11. Fig. 10. Key segments of the economy as a set of sectors

Download (110KB)
Indexing metadata
12. Fig. 11. Dynamics of per capita GDP for the electric power sector as a function of total per capita GDP

Download (137KB)
Indexing metadata
13. Fig. 12. Dynamics of per capita GDP by economic sectors as a function of total per capita GDP

Download (113KB)
Indexing metadata
14. Fig. 13. Growth rates of sectors as a function of total per capita GDP (absolute values)

Download (166KB)
Indexing metadata
15. Fig. 14. Growth rates of sectors as a function of total per capita GDP (%)

Download (42KB)
Indexing metadata
16. Fig. 15. Estimated final global development trajectory of key sectors as a function of total per capita GDP

Download (115KB)
Indexing metadata
17. Fig. 16. Dynamics of final energy consumption (E final) (PJ) as a function of total per capita GDP

Download (43KB)
Indexing metadata
18. Fig. 17. Dependence of final energy consumption per capita as a function of per capita GDP

Download (150KB)
Indexing metadata
19. Fig. 18. Dynamics of final energy consumption per capita as a function of per capita GDP

Download (33KB)
Indexing metadata
20. Fig. 19. Dynamics of final energy consumption per capita as a function of per capita GDP

Download (84KB)
Indexing metadata
21. Fig. 20. Dynamics of energy intensity as a function of per capita GDP

Download (33KB)
Indexing metadata
22. Fig. 21. Shares of energy consumption in key sectors

Download (234KB)
Indexing metadata
23. Fig. 22. Dynamics of energy consumption shares of individual industries

Download (413KB)
Indexing metadata
24. Fig. 23. Structure of industry energy consumption

Download (231KB)
Indexing metadata
25. Fig. 24. Dynamics of energy consumption by energy sources

Download (378KB)
Indexing metadata

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».