Ученые оценили эффективность борьбы с лесными пожарами в регионах России

Тушение лесного пожара, Воронежская область

© RIA Novosti archive, image #733844 / Alexey Kudenko / CC-BY-SA 3.0 / Wikimedia Commons

В апреле на всей территории России официально наступил сезон повышенной пожароопасности, превентивные меры на днях обсуждали в МЧС и на совещании с участием президента РФ. Регионы уже начали принимать меры для предотвращения лесных пожаров. Сотрудники факультета экономических наук ВШЭ предложили математическую модель, с помощью которой можно оценивать их эффективность. Используя этот алгоритм, ученые сравнили регионы России с точки зрения успешности их противопожарной деятельности. Подробности работы опубликованы в сборнике Dynamics of Disasters: Impact, Risk, Resilience, and Solutions.

Почти каждый год Россия сталкивается с проблемой лесных пожаров. Они ставят под угрозу жизнь и здоровье людей, сохранность домов, частного и государственного имущества. Но и в незаселенных частях страны пожары представляют опасность: они приводят к гибели животных и деревьев, в том числе на заповедных территориях, а дым распространяется на сотни километров. Как минимум два раза за десятилетие пожары становились настолько масштабными, что сказывались на жизни людей в городах и в соседних с пострадавшими областях (пожары в Европейской части России в 2010 году и в Сибири в 2019-м).

Власти регионов, где значительные территории покрыты лесами, стараются предотвращать пожары. Чтобы понять, кому это удается лучше и у кого стоит перенимать удачный опыт, нужно научиться оценивать эффективность этой работы. При этом важно учитывать, что финансовое положение регионов сильно различается и на охрану лесов тратятся разные суммы. Задачу осложняет тот факт, что точные данные, например, о количестве и площади пожаров получить непросто (не обо всех пожарах люди узнают или, по крайней мере, узнают вовремя). Кроме того, не все сведения о тратах бюджета открыты и доступны ученым.

Авторы исследования предложили алгоритм, который может работать в условиях неточных данных и сравнивать регионы по эффективности трат на охрану лесов. В его основу лег метод оболочечного анализа данных (Data Envelopment Analysis, DEA). Он представляет эффективность как отношение полученных результатов к затратам, то есть эффективность тем выше, чем меньше ресурсов было потрачено и чем большего удалось с их помощью добиться. Участнику с максимальным значением присваивается 100%-ная эффективность, у остальных она рассчитывается относительно лидера. Эта же модель позволяет подбирать коэффициенты при входных (ресурсы) и выходных (результаты) параметрах, благодаря чему можно сравнивать регионы с неравными ресурсами и оценивать их в ситуации, когда регион добился успеха по одним параметрам, но по другим показал себя намного хуже.

В качестве входных показателей ученые использовали затраты на охрану окружающей среды и инвестиции в сельское хозяйство и лесоводство, в качестве выходных – количество и общую площадь пожаров. Важным критерием отбора параметров стала их доступность для всех регионов. Так как данные могут быть неточными, ученые использовали усовершенствованный DEA, в котором учитываются не точечные значения, а интервалы (Interval DEA, IDEA). Если все значения интервала для параметра a превышают значения интервала для параметра b, то a признается большим b, если же интервалы пересекаются, то параметры считаются несравнимыми.

Фуад Алескеров

Высшая школа экономики

Модели на основе DEA авторы работы уже использовали ранее – для оценки эффективности карантинных мер при COVID-19 и работы университетов. «Мы взяли оксфордские данные: число инфицированных по дням, с января прошлого года, и интенсивность карантинных мероприятий. Получилась странная вещь: в странах, где принимались одни и те же меры, результаты были совсем разными. Мы ввели новый показатель – законопослушность, и тогда все встало на свои места. По университетам входными параметрами были число преподавателей со степенями доктора и кандидата наук, оценки абитуриентов, а эффективность считалась в терминах публикаций статей, численности выпускников и подобных параметров. Оценивали многие университеты страны, по какой-то одной специализации, естественно», – рассказал соавтор исследования, профессор факультета экономических наук Фуад Алескеров.

Для оценки противопожарной деятельности регионов авторы разработали две модели на основе метода DEA. Первая расширяет понятие максимальной эффективности до группы несравнимых с лидером участников. То есть если на имеющихся данных нельзя точно сказать, какой регион показал наибольшую эффективность, 100% записывается на счет всех, кто может быть на первом месте. Вторая модель использует понятие оптимальности по Парето, она принимает за максимально эффективные регионы те, у которых все параметры не хуже, чем у остальных, и как минимум один лучше.

Ученые сравнили 46 российских регионов, в которых лесные пожары случаются не менее десяти раз в год, с помощью трех моделей: чистого DEA, интервального DEA и DEA с Парето-эффективностью. Все они показали схожее ранжирование регионов, различались лишь количественные оценки эффективности (за счет разного числа лидеров).

Лучшие результаты показали семь регионов: Новгородская, Пензенская, Ульяновская, Магаданская области, Удмуртия, Хакасия и Камчатский край. На другом конце рейтинга оказались Красноярский край, Иркутская и Свердловская области и Башкортостан. Авторы работы отмечают, что точность оценки можно улучшить, учитывая размеры регионов и площадь лесов, – отслеживать пожары на обширных незаселенных территориях намного сложнее, чем в небольших развитых областях. Также будет полезно повторять оценку каждый год, чтобы отследить динамику и исключить влияние отдельных событий.

«Мы сейчас работаем над более развитыми моделями эффективности и, конечно, будем рады, если МЧС воспользуется нашими разработками для оценки эффективности деятельности по предотвращению пожаров в регионах России. Мы готовы оказать любую помощь в этой сложной и важной для страны работе», – добавил профессор Алескеров.