Орлов А.И. Проблемы управления экологической безопасностью Учебное пособие - файл n2.rtf

приобрести
Орлов А.И. Проблемы управления экологической безопасностью Учебное пособие
скачать (290.5 kb.)
Доступные файлы (7):
n1.rtf130kb.08.07.2004 00:32скачать
n2.rtf143kb.08.07.2004 00:33скачать
n3.rtf288kb.08.07.2004 00:34скачать
n4.rtf156kb.08.07.2004 00:34скачать
n5.rtf586kb.08.07.2004 00:35скачать
n6.rtf315kb.08.07.2004 00:36скачать
n7.rtf44kb.08.07.2004 00:32скачать

n2.rtf

2. Экологические риски и экологическая безопасность
В нашей стране в 1990-х годах заметное качественное и количественное развитие получили различные стороны экологии - экология как наука, система экологических государственных и общественных организаций, экологическое законодательство. Однако их рост еще далеко не закончен.

Рассмотрим несколько экономико-правовых вопросов, относящихся к экологическим рискам и экологической безопасности. Обычно такая тематика тесно связана также с макроэкономикой и управлением на различных уровнях.
2.1. Постоянный экологический риск
При рассмотрении экологической безопасности предприятия, территории и т.п. обычно выделяют постоянный риск и аварийный риск.

Постоянный риск порождается тем, что предприятие выбрасывает в атмосферу, сбрасывает в водную среду и на почву отходы своей жизнедеятельности. Постоянный риск определяется используемой технологией и не может быть существенно изменен. От него можно избавиться, только перестав применять используемую технологию, т.е. закрыв предприятие или сменив оборудование. Такая радикальная технологическая революция весьма желательна, но маловероятна.

В результате выбросов вредных веществ в атмосферу, сброса их в поверхностные и подземные водные потоки, на почву и в горные выработки может быть нанесен вред окружающей природной среде, здоровью людей, нарушена нормальная жизнедеятельность животных и растений. Однако выбросы и сбросы вредных веществ не ведут однозначно к ощутимому вреду, что может создавать ложное впечатление их безвредности. Постоянный риск - это нежелательная возможность. Порождаемый им вред (другими словами, ущерб) имеет неопределенность, может быть тем или иным, иногда и нулевым.

Владельцы предприятия должны, естественно, возмещать наносимый окружающнй природной среде вред (принцип "Загрязнитель платит"). Фактически речь идет о ренте за использование природных ресурсов, уплате соответствующих налогов и сборов.

Имеется целый ряд пока нерешенных практических экономико-правовых вопросов, связанных с постоянным риском. При проведении нашими сотрудниками расчетов для конкретных предприятий часто оказывалось, что предприятию экономически выгоднее загрязнять (прямо скажем, отравлять) окружающую среду, чем проводить мероприятия по очистке сбрасываемых отходов. Действующие налоги и сборы за использование природных ресурсов, особенно невосполнимых (нефть, газ, уголь, другие полезные ископаемые) представляются весьма заниженными. В результате добывающие отрасли промышленности оказываются в весьма привилегированном положении. Значительную долю получаемой ими прибыли государству следует изымать в виде ренты через механизм налогов и сборов и направлять, в частности, на реализацию экологических программ. Бесспорно совершенно, что должна изыматься доля прибыли, соответствующая повышению мировых цен на нефть и иные природные ресурсы.

Обычно нормативы устанавливаются в виде предельно допустимых концентраций (ПДК) и аналогичных величин. Однако отходы жизнедеятельности предприятия, как правило, содержат самые разные вещества, оказывающие вредное действие на организм человека, а также на окружающую природную среду. Возникает проблема суммарной оценки, т.е. построения интегрального показателя экологического вреда данного предприятия. В настоящее время она далека от корректного решения.

Не в последнюю очередь это связано с проблемой адекватной оценки здоровья населения и влияния на него различных экологических факторов. Суть дела в том, что при увеличении обращаемости населения в медицинские учреждения, естественно, увеличивается выявленная заболеваемость. Что же касается латентной заболеваемости, т.е. внутренне присущей данному контингенту, то она может быть установлена лишь при сплошном обследовании, а потому в большинстве ситуаций остается неизвестной. Поэтому наблюдается парадоксальная зависимость - чем больше врачей, чем больше внимания к здоровью населения, тем больше заболеваемость (разумеется, выявленная). Например, за ХХ столетие значительно выросла заболеваемость - но одновременно в несколько раз увеличилась средняя ожидаемая продолжительность предстоящей жизни (рассчитываемая по реальным погодовым коэффициентам смертности). Объяснение парадокса достаточно очевидно - в начале ХХ в. многие люди за всю свою жизнь могли ни разу не попасть на прием к врачу, их болезни не включались в медицинскую статистику. Особенно это касалось крестьян.

С точки зрения экологического анализа полезными характеристиками здоровья населения могли бы быть коэффициенты смертности (дифференцированные по полу и возрасту) и реальная средняя продолжительность жизни (т.е. средняя ожидаемая продолжительность предстоящей жизни) для интересующего нас контингента. Однако в настоящее время подобные характеристики больше зависят от динамики общей социально-политической обстановки в стране, в частности, от динамики доходов и иифляции, безработицы и степени криминализации, чем от влияния конкретных экологических факторов.

Необходимо отметить, что экологические вопросы часто являются предметом политических спекуляций, опирающихся на те смутные представления об экологии, которые имеются у большинства населения. Особенно часто в тех или иных целях преувеличивается опасность ядерной энергетики.
2.2. Аварийный риск и его оценивание
Как следует из названия, аварийный риск - это риск нежелательных экологических последствий, порожденных аварией на производстве или на транспорте. Аварийный риск, в отличие от постоянного риска, связан с неопределенностью. Можно сказать, что в рассматриваемом случае риск - это нежелательная возможность.

Предположим, что в результате аварии произошел выброс ядовитых веществ в атмосферу. Каковы будут последствия? Это зависит от многих обстоятельств. От направления и силы ветра - пойдет ли ядовитое облако в сторону жилого района или же рассеется над пустырем. От времени дня и сезона года - наибольшие потери будут в летний солнечный день, когда облако накроет пляж с массой отдыхающих, а наименьшие - в зимнюю ночь, когда все житеди будут находиться в зданиях с плотно закрытыми окнами. Итак, потери обладают большой неопределенностью.

В математических терминах неопределенность можно моделировать различными способами - с помощью теории вероятностей, лингвистических переменных и нечетких множеств, интервальной математики и статистики, теории игр и т.п. Чтобы продемонстрировать сложность проблемы оценивания аварийного риска и различные существующие подходы, рассмотрим простейший случай. Пусть в принятой математической модели неопределенность носит вероятностный характер, а потери описываются одномерной случайной величиной (а не случайным вектором и не случайным процессом). Другими словами, ущерб адекватно описывается одним числом, а величина этого числа зависит от случая.

Итак, пусть величина порожденного риском ущерба моделируется случайной величиной Х (в смысле теории вероятностей). Как известно, случайная величина описывается функцией распределения

F(x) = P (X < x ),

где x – действительное число (т.е., как говорят и пишут математики, любой элемент действительной прямой, традиционно обозначаемой R1). Поскольку Х обычно интерпретируется как величина ущерба, то Х - неотрицательная случайная величина.

В зависимости от предположений о свойствах функции распределения F(x) вероятностные модели риска делятся на параметрические и непараметрические. В первом случае предполагается, что функция распределения входит в одно из известных семейств распределений – нормальных (т.е. гауссовских), экспоненциальных или иных. Однако обычно подобное предположение является мало обоснованным - реальные данные не хотят "втискиваться" в заранее заданное семейство. Тогда необходимо применять непараметрические статистические методы, не предполагающие, что распределение ущерба взято из того или иного популярного среди математиков семейства. При использовании непараметрических статистических методов обычно принимают лишь, что функция распределения F(x) является непрерывной функцией числового аргумента х.

Обсудим два распространенных заблуждения. Во-первых, часто говорят, что поскольку величина ущерба зависит от многих причин, то она должна иметь т.н. нормальное распределение. Это неверно. Все зависит от способа взаимодействия причин. Если причины действуют аддитивно, то, действительно, в силу Центральной Предельной Теоремы теории вероятностей имеем основания использовать нормальное (гауссово) распределение. Если же причины действуют мультипликативно, то в силу той же Центральной Предельной Теоремы теории вероятностей следует приближать распределение величины ущерба Х с помощью логарифмически нормального распределения. Если же основное влияние оказывает "слабое звено" (где тонко, там и рвется), то согласно теоремам, доказанным академиком Б.В.Гнеденко, следует приближать распределение величины ущерба Х с помощью распределения из семейства Вейбулла-Гнеденко. К сожалению, в конкретных практических случаях различить эти варианта обычно не удается.

Во-вторых, неверно традиционное представление о том, что погрешности измерения нормально распределены. Проведенный многими специалистами тщательный анализ погрешностей реальных наблюдений показал, что их распределение в подавляющем большинстве случаев отличается от гауссова (сводка этих исследований приведена в работе [1]). Среди специалистов распространено такое шуточное утверждение: "Прикладники обычно думают, что математики доказали, что погрешности распределены нормально, а математики считают, что прикладники установили это экспериментально." И те, и другие ошибаются. К сожалению, в настоящее время в экологической и экономической литературе имеется масса ошибочных утверждений. Существенная часть ошибок относится к использованию математических методов. Особенно это касается статистики и эконометрики. Причины появления ошибок разнообразны. Некоторые из них подробно обсуждаются в учебном пособии [2].

Итак, рассмотрим ситуацию, когда возможная величина ущерба, связанного с риском, описывается функцией распределения F(x) = P (X < x). Обычно стараются перейти от функции, описываемой (с точки зрения математики) бесконечно большим числом параметров, к небольшому числу числовых параметров, лучше всего к одному. Для положительной случайной величины (величины ущерба) часто рассматривают такие ее характеристики, как

  1. математическое ожидание;

  2. медиана и, более общо, квантили, т.е. значения х = х(а), при которых функция распределения достигает определенного значения а; другими словами, значение квантили х = х(а) находится из уравнения F(x) = а ;

  3. дисперсия (часто обозначаемая как "сигма-квадрат");

  4. среднее квадратическое отклонение (квадратный корень из дисперсии, т.е. "сигма");

  5. коэффициент вариации (среднее квадратическое отклонение, деленное на математическое ожидание);

  6. линейная комбинация математического ожидания и среднего квадратического отклонения (например, типично желание считать, что возможные значения ущерба расположены в таком интервале: математическое ожидание плюс-минус три сигма);

  7. математическое ожидание функции потерь, и т.д.

Этот перечень, очевидно, может быть продолжен.

Тогда задача оценки ущерба может пониматься как задача оценки той или иной из перечисленных характеристик. Чаще всего оценку проводят по эмпирическим данным (по выборке величин ущербов, соответствующим происшедшим ранее аналогичным случаям). При отсутствии эмпирического материала остается опираться на экспертные оценки, которым посвящена одна из следующих глав. Наиболее обоснованным является модельно-расчетный метод, опирающийся на модели эколого-экономической ситуации, позволяющие рассчитать характеристик ущерба.

Подчеркнем здесь, что характеристик случайного ущерба имеется много. Выше перечислено 7 видов, причем некоторые из них - второй, шестой и седьмой - содержат бесконечно много конкретных характеристик. Нельзя ограничиваться только средним ущербом, под которым обычно понимают математическое ожидание, хотя медиана ущерба не меньше соответствует этому термину. Весьма важны верхние границы для ущерба, т.е. квантили порядка а, где а близко к 1, например, а = 0,999999. При этом с вероятностью, не превосходящей 0,000001, реальный ущерб будет меньше х(0,999999). Сложные проблемы состоят в обоснованном вычислении границы х(0,999999), их мы не будем здесь касаться.
2.3. Постановки задач управления риском

Задача управления риском может пониматься как задача минимизации той или иной из перечисленных выше характеристик. Тогда минимизация случайного ущерба по одному критерию может состоять:

1) в минимизации математического ожидания (ожидаемых потерь),

2) в минимизации квантиля распределения (например, медианы функции распределения потерь или квантиля порядка 0,999999, выше которого располагаются большие потери, встречающиеся крайне редко - в 1 случае из 1000000, т.е. в 1 случае из миллиона),

3) в минимизации дисперсии (т.е. показателя разброса возможных значений потерь),

4) в минимизации среднего квадратического отклонения, что с чисто математической точки зрения эквивалентно предыдущей задаче минимизации дисперсии;

5) в минимизации коэффициента вариации;

6) в минимизации суммы математического ожидания и утроенного среднего квадратического отклонения (на основе известного "правила трех сигм"), или иной линейной комбинации математического ожидания и среднего квадратического отклонения (такой подход используют в случае близости распределения потерь к нормальному (гауссову) распределению как комбинацию подходов, нацеленных на минимизацию средних потерь и минимизацию разброса возможных значений потерь),

7) в минимизации математического ожидания функции потерь (например, в случае, когда полезность денежной единицы меняется в зависимости от общей располагаемой суммы [3], в частности, когда необходимо исключить возможность разорения экономического агента), и т.д.

Обсудим семь перечисленных постановок. Первая из них – минимизация средних потерь – представляется вполне естественной, если все возможные потери малы по сравнению с ресурсами предприятия (организации). В противном случае первый подход не всегда рационален.

Действительно, рассмотрим условный пример. У человека имеется 1000 рублей. Ему предлагается следующее пари. Надо подбросить монету. Если выпадает «орел», то он получает 5000 рублей. Если же выпадает «цифра», он должен уплатить 2000 рублей. Стоит ли данному человеку участвовать в описанном пари? Естественно исходить из математического ожидания дохода. Поскольку по условию пари каждая сторона монеты имеет одну и ту же вероятность выпасть, равную 0,5, оно равно

5000х0,5+(-2000)х0,5=1500.

Казалось бы, пари весьма выгодно. Однако большинство людей на него не пойдет, поскольку с вероятностью 0,5 они лишатся всего своего достояния и останутся должны 1000 рублей, другими словами, не только разорятся, но и будут иметь долги. Здесь проявляется психологическая оценка ценности рубля, зависящая от общей имеющейся суммы – 1000 рублей для человека с обычным доходом значит гораздо больше, чем те же 1000 руб. для миллионера.

Второй подход нацелен как раз на минимизацию больших потерь, на защиту от разорения. Другое его известное применение – исключение катастрофических аварий на атомных электростанциях, например, типа Чернобыльской. При втором подходе средние потери могут увеличиться (по сравнению с первым), зато максимальные будут контролироваться. К сожалению, крайне трудно по статистическим данным делать обоснованные выводы о весьма больших значениях аргумента и соответствующих весьма малых вероятностях. На профессиональном языке специалистов по математической статистике и теории надежности: «трудно работать на хвостах». Например, иногда встречаются утверждения типа приведенного выше: «надежность равна шести девяткам», т.е. 0,999999. Другими словами, вероятность нежелательного исхода равна 0,000001. Такую малую вероятность непосредственно по статистическим данным оценить невозможно (для этого объем выборки должен быть не менее 10 миллионов). Значит, вывод получен с помощью модели, например, модели экспоненциального распределения. Хорошо известно, что выводы об обнаружении резко выделяющихся наблюдений (выбросов) крайне неустойчивы по отношению к малым отклонениям от предположений модели (см., например, учебное пособие [2]). Поэтому и к словам типа «надежность равна шести девяткам» надо относиться осторожно.

Во втором подходе заключены еще две идеи. Первая из них – использование медианы как более адекватной характеристики «центральной тенденции», чем математическое ожидание. Дело в том, что математическое ожидание может быть смещено в большую сторону из-за наличия редких, но чрезвычайно больших значений (именно поэтому средняя (арифметическая) зарплата или средний (арифметический) доход весьма завышают доходы основной массы работников). В математических терминах: медиана – робастная (устойчивая) характеристика центра распределения (по отношению к большим "выбросам"), а математическое ожидание – нет. Вторая из упомянутых идей – обеспечение защиты от разорения на «среднем» уровне достоверности – с вероятностью 0,95 или 0,99. Для этого достаточно, чтобы квантиль величины потерь порядка 0,95 или 0,99 не превосходил собственных активов фирмы. (Более экономически обоснованно из тех или иных соображений определить максимально допустимую величину допустимых потерь, с которой и сравнивать упомянутый квантиль.)

Третий и эквивалентный ему четвертый подходы нацелены на минимизацию разброса окончательных результатов. Средние потери при этом могут быть выше, чем при первом или втором подходах, но того, кто принимает решение, это не интересует. Ему нужна максимальная определенность будущего, пусть даже ценой повышения потерь. В литературе по финансовой математике такой подход часто рекомендуют использовать при составлении портфеля ценных бумаг. Поскольку наиболее прибыльные акции (и вообще экономические решения) обычно являются и наиболее рискованными, то желание сократить риск за счет расширения ассортимента акций представляется рациональным. Это – один из частных случаев диверсификации, которая наряду со страхованием являются универсальными способами понижения риска. К сожалению, при изложении третьего и четвертого подходов часто забывают про целесообразность повышения среднего дохода.

Пятый подход дает один из способов избавиться от такой забывчивости – используется не абсолютное значение среднего квадратического отклонения, а относительное. Это – аналог в теории риска общеэкономической идеи использования характеристик типа рентабельности.

Шестой подход сочетает в себе первый и третий, хотя и довольно примитивным образом. По существу проблема в том, что управление риском в рассматриваемом случае – это по крайней мере двухкритериальная задача. Желательно средние потери снизить (другими словами, математическое ожидание доходов повысить), и одновременно уменьшить показатель неопределенности – дисперсию. Хорошо известны подходы, рассматриваемые при многокритериальной оптимизации, и практически все они могут быть применены в теории риска, развивая шестой подход.

Наиболее продвинутый подход – седьмой. Но для его применения необходимо построить функцию потерь или ее антипод – функцию полезности. Это – большая самостоятельная задача. Обычно ее решают с помощью специально организованного эконометрического или эколого-статистического исследования. Опыт построения функций полезности по экспериментальным данным накоплен, например, в Центральном экономико-математическом институте РАН, в лаборатории проф. Ю.Н. Гаврильца. Есть и теоретические подходы. Например, в монографии [3] исходя из некоторого аксиоматического подхода было установлено, что полезность денежных средств целесообразно измерять логарифмом их количества. Другими словами, надо анализировать не абсолютные значения, а относительные отклонения. Из системы аксиом вытекает, что потеря 1000 руб. для лица, имеющего в реальном распоряжении 10000 руб., столь же чувствительна, как и потеря 1 000 000 руб. для лица, распоряжающегося 10 000 000 руб.- и в том, и в другом случае речь идет о потере 10% от имеющегося состояния.

Естественным часто представляется использование многокритериальных задач управления рисками. Например, как уже говорилось, желательно минимизировать как средний риск, так и разброс риска (дисперсию). К сожалению, невозможно одновременно добиться обеих целей. В этом нет ничего необычного. Нельзя добиться максимума прибыли при минимуме затрат, как и максимума дохода при минимуме риска.

Необходимо подчеркнуть, что задача управления риском редко появляется сама по себе. Обычно она появляется в паре с какой-либо иной задачей, например. с задачей максимизации прибыли или задачей нанесения максимального ущерба противнику. Предпринимателям хорошо известно, что обычно чем более выгоден проект, тем с большим риском он связан. Чтобы получить заметный экономический эффект, приходится идти на риск. Этот факт отражен в пословице: "Кто не рискует, тот не пьет шампанское", отмечая успех. Вполне естественно, стремясь к максимизации прибыли, минимизировать риск. Это - двухкритериальная задача. Если же под минимизацией риска понимаем минимизацию как математического ожидания, так и дисперсии случайного ущерба, то задача является трехкритериальной, и т.д.

При рассмотрении многокритериальных задач обычно стараются все критерии, кроме одного, превратить в ограничения. Например, минимизируют средний ущерб при условии, что дисперсия не превосходит заданной величины. Или, наоборот, минимизируют разброс (дисперсию) при условии, что средний ущерб не превосходит заданной границы.

Есть и метод, при котором критерии объединяются в один, например, в виде линейной комбинации, как в шестом подходе к управлению рисками, описанном выше. Более обоснованным представляется выделение границы Парето, т.е. вариантов, которые нельзя улучшить сразу по всем параметрам, а затем анализ этой границы с помощью экспертов (см. ниже главу об экспертных оценках).

Кроме вероятностных методов моделирования риска, иногда рассматриваются методы описания рисков с помощью объектов нечисловой природы, в частности, качественных признаков, понятий теории нечетких множеств, интервальных математических и эконометрических моделей и других математических средств. Пока все эти подходы надо рассматривать как экзотические. Однако вместо статистических данных в них обычно используются оценки экспертов, так что в недалекой перспективе будем иметь два крыла теории риска – вероятностное и экспертное [4] (в качестве аппарата использующее статистику нечисловых данных). Наше представление о современном состоянии теории и практики экспертных оценок дано в одной из дальнейших глав.

Под использованием качественных признаков понимаем, в частности, использование терминов типа «высокий риск», «заметный риск», «малый риск» и аналогичных им. Такого рода оценки, конечно, более соответствуют обыденному сознанию, чем оценки в виде действительных чисел. Это хорошо известно в теории измерений – человеку гораздо легче сравнивать альтернативы по степени риска, чем пытаться говорить о том, что одна из них во столько-то раз лучше или на столько-то лучше. Другими словами, человеку гораздо легче работать в порядковой шкале, чем в шкалах количественных признаков – интервальной, отношений, разностей и др. Методы анализа статистических данных, измеренных в порядковой шкале, разработаны в статистике объектов нечисловой природы. Эта сравнительно новая область прикладной математической статистики выделена как самостоятельное направление в 1970-х годах (см. учебное пособие [2]).

Нечеткость, размытость, расплывчатость, туманность понятий, используемых в человеческом мышлении, отражается в прикладной математике в т.н. теории нечетких множеств. Это направление прикладной математики активно развивается с середины 60-х годов, хотя его истоки лежат еще в апориях философов Древней Греции. Полученное в 1970-х годах сведение теории нечетких множеств к теории случайных множеств (подробное описание этого сведения дано в монографии [5]) носит в основном теоретический характер, а конкретные расчетные формулы в этих теориях несколько различаются в большинстве конкретных случаев.

Если неопределенность носит интервальный характер, т.е. оценки рисков описываются интервалами, то естественно применить методы статистики интервальных данных (как части интервальной математики), рассчитать минимальный и максимальный возможный доходы и потери, и т.д.

Как известно, разработаны различные способы уменьшения экономических и экологических рисков, связанные с выбором стратегий поведения. Одним из таких способов является диверсификация, т.е. создание многообразия видов деятельности. Этот способ описывается пословицей: "Не кладите все яйца в одну корзину". Крупные транснациональные корпорации обычно имеют весьма широкий спектр деятельности. Другой широко распространенный способ - страхование. Основные особенности экологического страхования описаны ниже.

При разработке правового обеспечения методов управления промышленной и экологической безопасностью необходимо учитывать многообразие методов описания рисков. Выбор какого-либо одного определенного метода без должного обоснования может привести к неадекватному управлению риском. Для построения корректного всестороннего описания рисков могут оказаться полезны и даже необходимы экспертные оценки.
2.4. Понятие об экологической безопасности
Экологическая безопасность - это защита от экологической опасности. Эти два понятия всегда рассматривают вместе.

Экологическая опасность - возможность разрушения (полного или частичного) среды обитания человека, растений и животных в результате неконтролируемого развития экономики, отставания технологий, естественных катастроф и антропогенных аварий, вследствие чего нарушается приспособление живых систем к условиям существования [6,7].

Экологическая опасность возрастает с развитием современного технологического кризиса. Техногенные загрязнения губительно действуют на организм человека, на окружающую природную среду. Технологический кризис порождает экологический кризис XХI в.

Безопасность пищевых продуктов и продовольственного сырья относят к основным факторам, определяющим уровень здоровья населения России и сохранения его генофонда. Полагают, что более 70% загрязнителей поступают в организм человека с продуктами питания. Положение дел с безопасностью продовольствия в РФ, особенно в последнее десятилетие, ухудшилось в связи с приватизацией пищевой промышленности, увеличением объемов поставок некачественной продукции из-за рубежа (в т.ч. так называемой "гуманитарной помощи"), ослаблением государственного и общественного контроля за производством и реализацией продуктов питания. Бесконтрольное использование удобрений, средств защиты растений, консервантов, пищевых добавок, гормонов, трансгенных организмов при производстве продуктов питания в различных странах мира создает заметную экологическую опасность. Обеспечение населения экологически безопасными продуктами питания - одна из важнейших государственных задач. Однако она не в полной мере осознана и тем более не решена на должном уровне.

Рассмотрим еще два вида экологической опасности, известных как проблема озонового слоя и проблема радиоактивных отходов.

По мнению специалистов, в жизни растений, животных и растений велика роль озонового слоя атмосферы. Он защищает поверхность Земли от опасного для живых существ ультрафиолетового излучения Солнца. Промышленность выбрасывает в атмосферу миллионы тонн веществ (содержащих хлор, фреон и т.п.), разрушающих озоновый слой. В результате озоновый слой стал истощаться, в нем появились "дыры", сквозь которые на поверхность Земли хлынул поток губительного ультрафиолета. Многообразные последствия не заставили себя ждать. Возросла заболеваемость раком кожи. Наблюдается рост числа болезней глаз, органов дыхания, иммунной системы. Загорать на солнце стало опасно для здоровья. Для обеспечения экологической безопасности необходимы скоординированные в масштабах Земли меры по защите озонового слоя, в частности, по снижению выбросов в атмосферу разрушающих его веществ.

Проблема радиоактивных отходов связана с тем, что топливные элементы ядерных реакторов, установленных на атомных электростанциях (АЭС), кораблях и подводных лодках, радиоактивные составляющие медицинских и научных приборов, промышленных средств контроля и т.п. рано или поздно вырабатывают свой ресурс. Они должны быть утилизированы. В частности, должна быть обеспечена экологическая безопасность отходов. Но дело в том, что надежные и в то же время достаточно дешевые методы утилизации радиоактивных отходов пока не разработаны. Те ученые, кто пятьдесят лет назад запускали первые АЭС, полагали, что методы утилизации будут вскоре разработаны. К сожалению, они ошиблись.

В настоящее время наиболее надежная технология утилизации радиоактивных отходов выглядит так. Отходы остекловывают (сплавляют в стекловидную массу). Помещают в стальные контейнеры (толщина стенок - 30 см). Контейнеры загружают в бетонные емкости (толщина более 1 м), а их - опускают в специальные шахты на глубину не менее 0,5 - 1 км. Шахты должны быть пробиты в граните или иной твердой породе в зоне тектонического спокойствия. Очевидно, такая технология утилизации радиоактивных отходов не только надежная, но и весьма дорогая. Поэтому в настоящее время большое количество радиоактивных отходов находится в "переходном состоянии" - они уже не "работают", выведены из соответствующих реакторов, но еще и не захоронены, находятся во временных хранилищах и потому представляют собой большую экологическую опасность.

Есть еще много иных видов экологических опасностей. Например, на здоровье жителей больших городов весьма вредно действуют выхлопные газы автомобилей. В данном случае обеспечить полную экологическую безопасность можно, ликвидировав автомобили с бензиновыми двигателями и перейдя, например, на электромобили. Но это - дело достаточно далекого будущего. Ближайшая задача - снизить объем выхлопных газов, организовав жесткий контроль за качеством регулировки автомобильных двигателей и составом бензина.

В нашей стране необходимость обеспечения экологической безопасности хорошо осознана. Она признана на государственной уровне. Совет Безопасности РФ включил компонент "экологическая безопасность" в структуру национальной безопасности государства, общества и отдельной личности человека.

Обеспечением экологической безопасности занимаются как государственные экологические органы, так и общественные организации (объединения), входящие в "зеленое" движение. Государственные экологические службы осуществляют постоянное слежение (мониторинг) за экологическим состоянием воздуха, водных ресурсов, почвы. Они проводят экологический контроль деятельности предприятий (организаций) любой ведомственной принадлежности и любой формы собственности. Они осуществляют экологическую экспертизу намечаемой хозяйственной или иной деятельности, которая может оказать отрицательное влияние на окружающую природную или антропогенную среду, обеспечивают специальный природоохранный режим в заповедниках, заказниках и т.п. Общественные экологические организации (объединения) обычно ведут борьбу с конкретными нарушениями или "защищают" конкретный природный объект, например, озеро Байкал.

Для обеспечения экологической безопасности обычно используют экономические, административные, правовые, социально-психологические (пропаганда, убеждение) меры. Наибольший успех может быть достигнут при совместном действии государственных структур и "зеленого" движения. К сожалению, в условиях общего социально-экономического кризиса экологические программы обычно лишь частично выполняются, к рекомендациям экологов не всегда прислушиваются. Однако в условиях экономического роста внимание к экологическим вопросам с неизбежностью будет расти.

Литература



1. Новицкий П.В., Зограф И.А. Оценка погрешностей результатов измерений. - Л.: Энергоатомиздат, 1985. - 248 с.

2. Орлов А.И. Эконометрика. Учебное пособие. - М.: Изд-во "Экзамен", 2002.

3. Пиндайк Р., Рубинфельд Д. Микроэкономика. - М.: Экономика - Дело, 1992.

4. Менеджмент. Учебное пособие / Под ред. Ж.В. Прокофьевой. – М.: Знание, 2000. - 288 с.

5. Орлов А.И. Устойчивость в социально-экономических моделях. - М.Наука,1979. - 296 с.

6. Экология. Учебное пособие / Под ред. С.А. Боголюбова. – М.: Знание, 1999. - 288 с.

7. Серов Г.П. Основы экологической безопасности. - М.: Изд-во МНЭПУ, 1993.

8. Орлов А.И., Федосеев В.Н. Проблемы управления экологической безопасностью. - Журнал «Менеджмент в России и за рубежом». 2000. No.6. С.78-86.
Контрольные вопросы


  1. Чем постоянный экологический риск отличается от аварийного экологического риска?

  2. Следует ли из увеличения обращаемости населения в медицинские учреждения вывод об ухудшении здоровья населения?

  3. Есть ли основания предполагать, что величина риска адекватно описывается нормальной (гауссовской) функцией распределения?

  4. Какие характеристики случайного риска Вы знаете?

  5. Какие однокритериальные задачи минимизации риска Вы знаете?

  6. Какие многокритериальные задачи управления рисками Вы знаете?

  7. Что называют экологической безопасностью и экологической опасностью?

  8. Приведите примеры отдельных видов экологических опасностей.

  9. Какие технологии утилизации радиоактивных отходов Вы знаете?

  10. Кто занимается обеспечением экологической безопасности?


Темы докладов и рефератов


  1. Постоянный экологический риск и здоровье населения.

  2. Параметрические и непараметрические вероятностные модели риска.

  3. Сравнение семи характеристик случайного риска.

  4. Сравнение семи однокритериальных задач минимизации случайного риска.

  5. Многокритериальные задачи управления рисками.

  6. Применение статистики объектов нечисловой природы в задачах управления рисками.

  7. Применение нечетких множеств в задачах управления рисками.

  8. Проблема экологической безопасности продовольствия.

  9. Проблема озонового слоя.

  10. Проблема радиоактивных отходов.

  11. Обеспечение экологической безопасности государственными экологическими службами и общественными экологическими организациями (объединениями).


2. Экологические риски и экологическая безопасность
Учебный материал
© nashaucheba.ru
При копировании укажите ссылку.
обратиться к администрации