江西省礦產資源開發強度評價與分析

周 毅，田淑芳，董 航

(1.中國地質大學(北京)地球科學與資源學院，北京 100083；2.中國地質調查局昆明自然資源綜合調查中心，云南 昆明 650100)

資源開發強度是衡量人類進行資源開發活動的頻度、速率、規模大小、資源變化程度以及資源反饋效應狀況的尺度[1]。開發強度是反映地區發展和資源開發可持續性的重要指標，可以綜合體現資源開發過程中資源量的變化、消耗程度以及反饋效應等信息，被廣泛運用于評估城市發展、土地開發利用及其他資源開發[2-3]。礦產資源開發活動是指人類通過勞動從礦山中將礦石礦物開采并加工的一系列過程，其本質與內涵和其他資源開發活動并無區別。長期以來，礦產資源開發活動的狀態與程度主要通過開采面積、產量等單一指標來反映[4]，而礦產資源開發活動是一個復雜的過程，包含礦種、開采方式、規模、環境影響及經濟效益等內容，依靠單一指標來反映礦產開發活動的狀態與程度并不準確。

因此，本文將開發強度的概念引入評估礦產資源開發活動中，根據開發強度的定義結合礦產資源開發活動主要特征，建立起礦產資源開發強度，即可以全面客觀地表現礦產資源開發活動過程中資源量變化、消耗狀態和環境反饋效應等的指標。該指標不僅可以綜合反映區域內礦產資源開發活動的狀態，也可將其作為區域礦產活動趨勢分析、可持續發展規劃、生態環境保護治理以及礦政管理的重要參考依據。

本文以江西省為研究區，基于遙感及調查數據提取2015年、2017年、2019年礦產資源開發信息，通過PSR模型選擇礦產資源開發強度評價指標，運用模糊神經網絡方法開展研究區礦產資源開發強度評價及分析。

1 研究區概況及數據處理

1.1 研究區概況

江西省位于中國東南部長江中下游南岸，國土總面積約166 900 km2(圖1)。研究區地處武夷南嶺成礦帶中北部，區內成礦地質條件優越，礦產資源豐富，其中，有色金屬、貴金屬和稀有金屬礦產在全國占有重要地位。

1.2 數據來源

本文參考《礦山地質環境調查評價規范》《礦產資源開發遙感監測技術規范》等規范，收集相關遙感數據(表1)及調查數據。遙感數據成像時間均處于當年的9—11月，以保證信息時效一致；調查數據包括區域地質、礦產相關圖件及統計資料，來源于相關礦政及地質調查部門。

2 礦產資源開發強度評價

2.1 礦產資源開發強度評價指標

礦產資源開發過程較為復雜，選擇合理開發強度評價指標是開展礦產資源開發強度評價的前提。因此，在選取評價指標時，應根據評價目標的特點，遵循全面性、科學性、區域性、可操作性的原則[5]，能恰當反映研究區域的礦產資源開發強度[6]。

2.1.1 基于PSR模型的評價指標選擇

礦產資源開發活動作為人類活動與生態系統相互作用的典型產物，要對其強度做出準確評價，不僅要考慮環境因素，也要重視人類活動的影響。PSR(壓力-狀態-響應)模型是為全面、準確反映人類活動與環境變化之間的相互關系而構建的。該框架中，P(開發壓力)反映人類活動對環境造成的負荷；S(環境狀態)指環境系統當前的物理狀態；R(開發響應)所體現的是人類為阻止、補償以及適應環境狀況的變化所采取的應對措施[7-9]。因此，以PSR模型為理論基礎選擇礦產資源開發強度評價指標，可以相對科學、系統、完整地反映其狀況。

表1 遙感數據表Table 1 Remote sensing data

圖2 礦產資源開發強度評價指標體系Fig.2 Evaluation index system of mineral resources exploitative intensity

依照PSR模型框架與指標構建原則，結合研究實際，建立礦產資源開發強度評價體系(圖2)。該體系基于開發壓力、環境狀態、開發響應3個要素，選取了12項評價指標。

2.1.2 指標信息提取與分級

指標信息提取工作包括利用高分辨率遙感影像通過人機交互式解譯方法提取礦山開發系列信息(類型、面積、恢復治理、地質環境問題、交通條件等)，對Landsat-8影像應用像元二分法提取植被覆蓋度，對Sentinel-1影像對處理后得到地形坡度。調查數據主要進行矢量化與屬性賦值。其中，礦山年產值比為礦山年開采規模與其儲量之比，縣涉礦產業指標值為綜合各縣涉礦企業數量及規模計算得到。

為減少其他開發活動影響研究結果，本文利用多期次Sentinel-2數據進行監督分類及專家判讀提取研究區其他開發活動用地(城市、工廠等)(圖3)進行掩膜。最終提取信息結果如圖4所示(以2015年度為例)。結合開發強度相關定義及各評價指標對應程度，對各指標等級劃分見表2。

圖3 其他開發活動用地提取結果Fig.3 Extracting results of other exploitativeactivities lands

2.2 評價方法

對環境或開發強度的評價中，比較常見的有層次分析、綜合指數評估、變異系數法、主成分分析、集合對分析等[10-14]。隨著人工智能發展，許多學者將模糊理論和神經網絡技術相結合應用于生態環境評估中并取得了良好效果[15]。礦產資源開發強度評價包含多種評價因子，各因子之間關系復雜，部分指標具有一定模糊性，將具有模式識別功能的神經網絡和具有處理模糊信息的模糊系統結合并用于礦產資源開發強度評價可規避由于人為主觀因素對評價結果造成的干擾，具有潛在應用價值[16]。

圖4 2015年度礦產資源開發強度指標信息提取結果Fig.4 Mineral resource exploitative intensity index information extraction results in 2015

表2 評價指標分級表Table 2 Evaluation index classification

2.2.1 網絡結構

模糊神經網絡由五部分組成(圖5)。 樣本在輸入層做模糊化處理轉化為模糊向量，神經網絡對模糊向量實現模糊非線性映射功能，結果層做反模糊化處理將結果模糊向量轉化為系統的評價結果輸出。

圖5 模糊神經網絡結構圖Fig.5 Fuzzy neural network structure

2.2.2 模糊隸屬度函數

模糊隸屬度函數用于模糊化輸入數據，目的是將無法用明確隸屬關系表達的量化值在一定的模糊規則下，在數據空間中重新進行劃分，以得到更加貼近實際的數據表達形式。輸入參數分為數值變量描述的定量數據和語言變量描述的定性數據。根據確定隸屬度函數基本原則，本文采用嶺形分布函數對輸入的定量數據進行模糊化，見式(1)～式(3)，其中，式(1)為降嶺型分布，式(2)為升嶺形分布，式(3)為嶺型分布。

r(x)=

(1)

r(x)=

(2)

r(x)=

(3)

對于輸入的定量數據xi，經隸屬函數模糊化后可寫成矢量形式，即(rⅠ(xi)，rⅡ(xi)，rⅢ(xi)，rⅣ(xi)，rⅤ(xi))，它們分別對應定量數據的各模糊子集的隸屬度。通過模糊分級法做量化處理得到模糊矩陣。將因素分成5個等級(表3)。

表3 開發強度賦值表Table 3 Assignment of exploitative intensity

按賦值標準給出評定值。用梯形隸屬度函數對輸入的定性數據進行模糊化，見式(4)～式(6)，其中，式(4)為降半梯形分布，式(5)為梯形分布，式(6)為升半梯形分布。

(4)

(5)

(6)

2.2.3 反模糊化

采用單點模糊集法和最大隸屬度原則進行反模糊化分析，將礦產資源開發強度等級劃分為一個5維向量。

2.3 實現過程

本文建立2 km×2 km網格作為評價單元[17]。通過Matlab軟件構建FNN2型模糊神經網絡，運用經驗函數，設置網絡結構為12-5-1[18]，把12種評價指標作為輸入層；把礦產資源開發強度等級(Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ)作為模型的輸出層。從2015年、2017年和2019年數據中平均抽樣選取了共計300個樣本進行訓練，將訓練好的網絡模型對50個測試樣本集進行評價，其均方根誤差為0.07，說明模型總體擬合性相當良好。最后應用該模型計算得到研究區礦產資源開發強度結果。

3 結果與分析

3.1 礦產資源開發強度結果

根據計算后的強度數據，得到礦產資源開發強度分布圖(圖6)。通過統計得到江西省2015年、2017年和2019年開發強度等級占比情況(表4)。

結合表(2)對等級賦值，運用式(7)和式(8)對各市、各礦種類型礦產資源開發強度值進行計算。結果見表5和表6。

(7)

(8)

表4 2015—2019年度江西省礦產資源開發強度占比Table 4 Proportion of mineral resources exploitativeintensity from 2015 to 2019 in Jiangxi province 單位：%

表5 2015—2019年江西省各市礦產資源開發強度值表Table 5 Mineral resources exploitative intensity valueof each city from 2015 to 2019

表6 2015—2019年江西省各礦種類型開發強度值表Table 6 Mineral resources exploitative intensity valueof each mineral from 2015 to 2019

圖6 江西省礦產資源開發強度分布圖Fig.6 Distribution of mineral resources exploitative intensity in Jiangxi province

3.2 綜合分析

根據計算結果可知，2015—2019年間，江西省無強度區域面積變化較小，主要原因為近年全省礦山開發活動大幅減少，且廢棄礦山恢復治理力度加大，部分廢棄礦山用地轉為其他用地。其次，低強度地區面積增長了5.96%，主要為高中開發強度礦山開發強度減小或停產未治理而造成，涉及地區為贛州市全南縣、上饒市中部及宜春市南部，礦種類型為稀有稀土礦及銅、鉛等有色金屬礦，大量違法及小型礦山被關停及治理；一般及中開發強度礦山面積均減少了1%左右，多為停止開發或進行恢復治理。高開發強度區域面積減少了2.12%，由江西省分散狀態逐步轉換為有序集中分布，這與近年來江西省礦產資源開發整體規劃布局及管理相關。

4 結論與建議

4.1 結論

1) 2015—2019年期間，江西省礦產資源開發強度整體下降了0.028 7；其中，九江市、吉安市開發強度值下降明顯，分別下降了0.046 6、0.040 8；礦種類型上，化工原料礦、稀有稀土礦開發強度值5年間分別下降了0.362 9、0.235 9。江西省內高強度區域由分散狀態逐步轉換為有序集中分布，面積減少2.12%；一般及中開發強度礦山面積均減少1%左右；低強度地區面積增長5.96%；無強度區域面積無明顯變化。

2) 2019年，江西省內贛州市、上饒市開發強度值最高，分別為0.098 1、0.092 1；吉安市、南昌市最低，為0.066 6、0.059 8。有色金屬礦、能源礦開發強度值最高，分別為0.732 3、0.674 4，特種非金屬與其他礦種最低，分別為0.221 0、0.217 0。高強度地區主要有：北部上饒市德興市、鉛山縣、上饒縣一帶，涉及主要礦種為銅礦，該區域內銅礦開發強度值為0.752 4；中部新余市、萍鄉市一帶，主要礦種為煤礦與鐵礦，區域內兩者開發強度值為0.724 7、0.707 1；南部贛州市崇余猶地區及尋烏縣、龍南縣一帶，主要礦種為稀土礦、鎢礦，區域內開發強度值依次為0.722 4、0.695 6。

3) 通過上述指標、方法進行礦產資源開發強度評價，較為有效地解決了評價過程中部分指標難以定量化、可定量化的混合問題，也避免了傳統評價方法中人為主觀因素的干擾。評價結果與江西省近5年礦產資源開發規劃實際狀況以及礦山環境監測調查相關成果具有較好的一致性，說明該方法得到的開發強度指標可以較為客觀準確地反映研究區礦產資源開發狀況。

4.2 建議

1) 進一步優化省內礦產資源開發結構和布局，嚴格礦山生產活動監管。針對礦產開發重點地區，加強開發秩序管理，推進綠色礦山等建設，力求實現礦地和諧。

2) 加快對老舊及停產礦山的恢復治理工作，綜合評估礦山實際情況以及生態適宜性等方面，科學地完成其生態功能修復，改善礦山生態環境水平。