Оценка развитости городских агломераций «второго эшелона» в России

Обложка

Цитировать

Полный текст

Аннотация

Статья посвящена проблематике развитости в России городских агломераций «второго эшелона» (с численностью населения менее 500 тыс. чел.), формирующихся вокруг ряда крупных и больших городов. Предложен авторский подход к оценке развитости, который базируется на понимании сущности агломерации как саморазвивающейся социально-экономической системы, внутренне интегрированной и продуцирующей позитивные агломерационные эффекты. Подход апробирован на данных восьми агломераций с ядрами в городах Архангельск, Вологда, Калуга, Норильск, Сургут, Тамбов, Ханты-Мансийск, Южно-Сахалинск за период 2014– 2023 гг. В результате выявлено, что только пять из восьми агломераций относятся к таковым: к агломерациям со средним уровнем интегрированности относятся Южно- Сахалинская, Архангельская, с низким – Тамбовская, Сургутская и Вологодская.

Об авторах

Светлана Сергеевна Патракова

Вологодский научный центр РАН

Автор, ответственный за переписку.
Email: sspatrakova@bk.ru
ORCID iD: 0000-0002-4834-3083

кандидат экономических наук, научный сотрудник Лаборатории пространственного развития территориальных систем и межотраслевых комплексов Центра исследования пространственного развития социально-экономических систем

Россия, Вологда

Сергей Александрович Кожевников

Вологодский научный центр РАН

Email: kozhevnikov_sa@bk.ru
ORCID iD: 0000-0001-9063-6587

кандидат экономических наук, ведущий научный сотрудник, заведующий Центром исследования пространственного развития социально-экономических систем

Россия, Вологда

Список литературы

  1. Кузнецова О.В., Дружинин А.Г. К новой стратегии пространственного развития России // Проблемы прогнозирования. 2024. № 4 (205). С. 36–45. doi: 10.47711/0868-6351-205-36-45. EDN: VVXHSP.
  2. Швецов А.Н. Городские агломерации в преобразовании урбанистического пространства // Российский экономический журнал. 2018. № 1. С. 45–65. EDN: NTOLQB.
  3. Мельникова Л.В. Размеры городов, эффективность и экономический рост // ЭКО. 2017. № 7. С. 5–19. EDN: YUSMFZ.
  4. Строев П.В. Трансформации пространственной структуры России // Вестник Института экономики Российской академии наук. 2014. № 4. С. 61–70. EDN: SMLIUF.
  5. Дмитриев М.Э., Чистяков П.А., Ромашина А.А. Роль пространственной политики в ускорении экономического роста // Общественные науки и современность. 2018. № 5. С. 31–47. doi: 10.31857/S086904990001496-7. EDN: YPOJGH.
  6. Пузанов А., Попов Р. Подходы к оценке развитости городских агломераций. М.: Фонд «Институт экономики города», 2017. https://www.urbaneconomics.ru/sites/default/files/iue_press. EDN: UVJUKO.
  7. Городские агломерации в современной России: проблемы и перспективы развития / А.С. Пузанов, Р.А. Попов, Т.Д. Полиди, А.Я. Гершович; под научной редакцией кандидата географических наук А.С. Пузанова. М.: Фонд «Институт экономики города», 2023.
  8. Полян П.М. Территориальные структуры – урбанизация – расселение: теоретические подходы и методы изучения. М.: Новый хронограф, 2014. EDN: TAYFBZ.
  9. Заславский И.Н., Наймарк Н.И., Полян П.М. Проблемы делимитации городских агломераций: сравнение и синтез ведущих методик // Проблемы изучения городских агломераций: Сборник статей. М.: Институт географии АН СССР, 1988. С. 27–41.
  10. Uchida H., Nelson A. Agglomeration index: Towards a new measure of urban concentration // World Institute for Development Economics Research. 2010. No. 29. Pp. 1–16.
  11. Трунова Н.А. Совершенствование методических подходов к анализу и оценке факторов, влияющих на развитие городских агломераций // Экономические науки. 2011. № 3. С. 205–208. EDN: OYUBNH.
  12. Волчкова И.В. Методические аспекты индикативного анализа состояния и развития агломераций // Экономические науки. 2014. № 1 (110). С. 73–77. EDN: SHDIMB.
  13. Глазычев В., Стародубровская И. [и др.]. Челябинская агломерация: потенциал развития. Челябинск. 2008.
  14. Zhang S., Wei H. Identification of Urban Agglomeration Spatial Range Based on Social and Remote-Sensing Data–For Evaluating Development Level of Urban Agglomeration // ISPRS International Journal of Geo-Information. 2022. No. 11. Pp. 1–19. doi: 10.3390/ijgi11080456.
  15. Fang Ch., Yu X., Zhang X., Fang J., Liu H. Big data analysis on the spatial networks of urban agglomeration // Cities. 2020. Vol. 102. 102735. doi: 10.1016/j.cities.2020.102735.
  16. Roy B., Kasemi N. Monitoring urban growth dynamics using remote sensing and GIS techniques of Raiganj Urban Agglomeration, India // The Egyptian Journal of Remote Sensing and Space Science. 2021. Vol. 24. Pp. 221–230. doi: 10.1016/j.ejrs.2021.02.001.
  17. Shi Q., Yan X., Jia B., Gao Z. Freight Data-Driven Research on Evaluation Indexes for Urban Agglomeration Development Degree // Sustainability. 2020. Vol. 12. No. 11. Pp. 1–16. doi: 10.3390/su12114589.
  18. Ворошилов Н.В. Развитие городских агломераций на территории Европейского Севера России // Федерализм. 2021. № 4. С. 54–74. doi: 10.21686/2073-1051-2021-4-54-74. EDN: INUFHK.
  19. Tiwari A.K., Antoniuk, V.S., Lapo A.S., Vansovich E.R. Managing urban agglomeration processes in Russia in the context of agglomerative and socio-economic development // Heliyon. 2024. No. 7. Pp. 1–11. doi: 10.1016/j.heliyon.2024.e28654
  20. Кожевников С.А., Ворошилов Н.В. Агломерационные процессы в регионах России: особенности и проблемы активизации позитивных эффектов // Экономические и социальные перемены: факты, тенденции, прогноз. 2024. Т. 17. № 1. С. 91–109. doi: 10.15838/esc.2024.1.91.5. EDN: OGARTF.
  21. Лавриненко П.А., Михайлова Т.Н., Ромашина А.А., Чистяков П.А. Агломерационные эффекты как инструмент регионального развития // Проблемы прогнозирования. 2019. № 3 (174). С. 50–59. EDN: SFXHGX.
  22. Коломак Е.А., Шерубнёва А.И. Оценка влияния агломерационных факторов на экономическую активность (микроэкономический анализ) // Экономика региона. 2023. №3. С. 766–781. doi: 10.17059/ekon. reg.2023-3-12. EDN: ZCZFDD.
  23. Махрова А.Г. Особенности стадиального развития Московской агломерации // Вестник Московского университета. Серия 5. География. 2014. № 4. С. 10–16. EDN: TAVMWZ.
  24. Кожевников С.А., Патракова С.С., Копытова Е.Д. Перспективные центры экономического роста регионов России и агломерационные эффекты: эмпирический анализ // Креативная экономика. 2024. Т. 18. № 5. С. 1075–1090. doi: 10.18334/ce.18.5.121016. EDN: HBPLAN.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

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».