基于GWR的礦產資源開采時空特征及影響因素探究

任芳語, 陳義華, 陳從喜, 任升蓮, 李 臻, 吳 章

(1.合肥工業大學 資源與環境工程學院,安徽 合肥 230009; 2.吉林省地震局,吉林 長春 130117; 3.自然資源部 信息中心,北京 100036)

0 引 言

隨著城市化和工業化的快速發展,礦產資源的開采和消費加速增長,區域可持續發展受到資源環境和社會經濟矛盾的制約。《全國礦產資源規劃(2016—2020年)》明確提出要建立安全、穩定、經濟的資源保障體系,形成節約高效、環境友好、和諧開采的綠色礦業發展模式[1]。在推進礦業高質量發展中,科學識別礦產資源開采時空特征及影響因素,對于礦產資源的有效保護與合理勘查開采具有重要指導意義。

目前,對中國礦產資源開采現狀及其空間特征的相關研究,主要集中在以下2個方面:① 區域資源勘查開采的布局規劃研究,如文獻[2-5]從礦產資源開采秩序整頓規范、礦產資源開發整合及礦業權設置方案等方面進行討論,文獻[6-11]從礦產資源勘查開發功能類型區劃、勘查開采生態環境影響等角度對礦產資源開發空間規劃及治理進行分析;② 礦產資源的空間特征分析,如文獻[12-13]主要從基尼系數和洛倫茨曲線來分析礦產資源分布的不均衡性,文獻[14]從違規開采角度分析礦產資源開采點的空間分布及變化特征,文獻[12,15-18]從生產、消費、運輸等方面將資源與社會經濟發展結合討論。從已有研究來看,有關礦產資源開采空間特征的研究,大多針對特定礦種或某特定空間小尺度地區進行分析,對其影響因素多以定性探討為主,而基于空間統計學方法定量測度顯著影響因素的相關研究很少。本文以長江經濟帶為例,分析2011—2017年長江經濟帶礦產資源開采時空特征與其影響因素的空間異質性。研究結果可為礦產資源管理與利用提供參考。

1 研究區概況、研究方法及數據來源

1.1 研究區概況

長江經濟帶覆蓋11個省(直轄市),包括110個地級城市、4個省直轄縣級城市和16個自治州,總面積約為205×104km2,為全國陸域面積的21%,人口和GDP均超過全國的40%(2017年)。本文以長江經濟帶130個行政區為研究樣本,包括長江上游地區(重慶市、四川省、貴州省、云南省)的 47個城市(自治州)、中游地區(安徽省、江西省、湖北省、湖南省)的 58個城市(自治州)、下游地區(上海市、江蘇省、浙江省)的 25 個城市。長江經濟帶地勢整體呈現西高東低特征,有極高山、高山、中山、低山、臺地、丘陵及平原等多種地形地貌,地質構造等條件復雜多變。目前長江經濟帶沿線的多條成礦帶中,有重要的成礦帶8個,由西南向東北依次為西南三江成礦帶、上揚子西緣成礦帶、上揚子東緣成礦帶、南嶺成礦帶、江南陸塊南緣成礦帶、武夷山成礦帶、桐柏-大別成礦帶、長江中下游成礦帶。研究區成礦條件優越,礦產資源開發潛力大,在中國資源供應保障中占重要戰略地位。

1.2 研究方法

1.2.1 核密度估計法

核密度估計法能夠反映地理現象空間分布中的距離衰減效應[19]。根據概率理論,設x1,x2,x3,…,xn為單元變量x獨立同分布的n個樣本,將樣本核密度值作為中心點最高并向外不斷降低的函數f(x),計算公式為:

(1)

1.2.2 重心模型

重心軌跡能夠直觀地表達要素分布特點和變化規律。采用重心模型,定義礦產資源開采重心坐標為:

(2)

(3)

1.2.3 地理加權回歸

地理加權回歸(geographically weighted regression,GWR)模型是基于局部光滑思想提出的空間回歸模型,其在普通最小二乘(ordinary least square,OLS)法基礎上引入空間結構信息,既能有效估計具有空間自相關性的數據,也能反映參數的空間異質性[21-22]。該模型計算公式為:

(4)

其中:ym為第m個空間單元的因變量解釋值;(um,vm)為第m個空間單元的空間坐標;β0(um,vm)為截距項;βk(um,vm)為第m個空間單元的第k個自變量的回歸系數;xmk為空間單元m區域上第k個自變量解釋值;p為空間單元m內參與回歸的變量數;εm為隨機誤差項。空間內各樣本點回歸系數的求解公式如下:

(5)

Wmj=exp[-(dmj/b)2]

(6)

其中:dmj為空間單元m、j之間的距離;b為帶寬,表示距離與權重Wmj之間的衰減參數。本文采用校正的Akaike信息準則(Akaike information criterion corrected,AICc),選擇AICc最小值時對應的帶寬為最優帶寬。

1.3 數據來源與處理

礦產資源開采數據來源于自然資源部信息中心數據,對其進行整理,以2011—2017年礦產資源開采數據為基礎數據;地形數據來源于地理空間數據云平臺(https://www.gscloud.cn/)30 m分辨率高程數據;路網數據來源于OpenStreetMap(OSM)地理數據平臺(http://www.openstreetmap.org/),利用地理信息系統(geographic information system,GIS)空間分析方法計算各區域路網密度;流域數據來源于中國科學院資源環境科學與數據中心(https://www.resdc.cn/),以各區域單位面積的河流長度代表河網密度;生態環境數據包括生態敏感性數據和功能重要性數據,均來源于中國生態系統評估與生態安全格局數據庫(https://www.ecosystem.csdb.cn/),參考文獻[8,23]研究成果,通過疊加柵格數據提取同一單元中的最大等級值,并計算得出各區域的最高等級單元面積占比,用來表征區域生態環境狀況指數;地區生產總值統計數據主要來源于11個省(直轄市) 2018年統計年鑒[24-34]。

2 礦產資源開采時空特征

2.1 礦產資源開采時序特征

2011—2017年長江經濟帶礦產資源開采數量變化如圖1所示。2011—2017年長江經濟帶礦產資源開采數量總體呈現增長趨勢,2011年礦產資源開采數量為2017年的65%,年均增長9.20%。礦產資源開采主要為非金屬礦產,其開采數量最多,且增長趨勢明顯,年均增長率達13.00%;能源礦產和金屬礦產開采數量均呈現波動減少趨勢,年均減少率分別為5.23%、3.86%;水氣礦產開采數量最少,總體波動趨勢不明顯。

圖1 2011—2017年長江經濟帶礦產資源開采數量變化

2.2 礦產資源開采空間格局演變特征

以2011年和2017年作為時間節點,對長江經濟帶礦產資源開采點進行核密度分析。

2011年長江經濟帶礦產資源開采分布形成顯著的密度核心,主要集聚區分布在上中游地區,其中在貴州西北部地區形成密度峰值區;2017年長江經濟帶上中游地區開采集聚特征更加明顯,在貴州西北部和江西西部地區形成密度峰值區,并向周圍地區輻射,形成雙核集聚的連綿狀空間分布。

整體來看,長江經濟帶礦產資源開采空間差異逐漸增大,形成以貴州和江西為主要密度核心的連綿狀空間分布。另外,長江經濟帶礦產資源開采分布與重點成礦區耦合明顯,其高密度分布區主要位于上揚子西緣、上揚子東緣、江南陸塊等重點成礦區。

2.3 礦產資源開采重心轉移特征

長江經濟帶礦產資源總體開采重心位于貴州。利用重心模型分析礦產資源開采移動軌跡,結果如圖2所示。

圖2 2011—2017年長江經濟帶礦產資源開采重心移動軌跡

從圖2可以看出,2011—2014年整體開采重心向東南方向移動,2011年重心位于貴州遵義市,2011年以后重心轉移到銅仁市,開采重心年平均移動距離為20.82 km,表明該時段礦產資源開采活動主要開展在上游西南部地區。2014年以后礦產資源開采總體重心位于銅仁市,且整體向東北方向呈“N”型移動,年平均移動距離為31.43 km,重心移動明顯增強,結合集聚特征分析結果可知,礦產資源開采活動主要在上、中游地區開展。

3 礦產資源開采影響因素分析

礦產資源開采空間變化受到自然和社會經濟等多重因素影響,本文基于數據的可獲取性,從自然條件和社會經濟發展2個方面選取指標,將海拔高度、河網密度、生態環境狀況指數、路網密度和地區生產總值等作為自變量,以礦產資源開采密度作為因變量,利用回歸模型對影響因素進行定量分析。

3.1 方法對比分析

OLS模型和GWR模型擬合結果對比見表1所列。GWR模型的AICc值與殘差平方和均小于OLS模型,其中GWR模型和OLS模型的AICc值相差遠大于3,具有較低AICc值的GWR模型擬合結果更好。通過對比GWR模型與OLS模型的R2與校正后R2可知,GWR模型結果相較于OLS模型有明顯提升,因此GWR模型擬合結果比OLS模型更為理想。

表1 OLS模型和GWR模型擬合結果對比

3.2 影響因素空間異質性分析

本研究為判斷因變量的空間關系,借助GeoDA軟件對因變量進行空間自相關性分析,因變量莫蘭指數(Moran’sI)值為0.508,表明因變量具有顯著空間集聚性。基于OLS模型和GWR模型對比分析及因變量的空間自相關關系,利用GWR模型分析各因素對因變量空間異質性的影響程度。

GWR 模型擬合結果見表2所列。從各因素回歸系數的正值和負值結果來看,各因素對區域礦產資源開采密度均表現出正負2種不同效應,且正負效應所占比例不同,由此可見各因素的影響效應存在空間非平穩性。結合各因素的顯著性水平進行分析可知,海拔高度、路網密度和地區生產總值對礦產資源開采的影響效應顯著。

表2 GWR模型擬合結果

海拔高度、路網密度、地區生產總值等顯著影響因素的回歸系數見表3所列。

表3 3種顯著影響因素的地區影響回歸系數范圍

(1) 海拔高度的影響。海拔高度回歸系數波動明顯(系數為-0.836～0.504),影響效應的空間差異顯著,表現為正向影響和負向影響的城市分別為95、35個,整體以正向影響為主。在湖北、湖南、江西、安徽、重慶、貴州等地區正向影響效應最突出,這些地區擁有山地、丘陵、平原等多種地貌類型,自然資源條件優越,為礦產資源產生提供了良好的本底作用,區域內礦產資源開采多位于山地和丘陵。

正向作用強度由中游地區向上、下游地區減弱,在四川西部和云南地區呈現顯著的負向影響,這些地區地勢落差較大,以高海拔山地為主,開采相對較少,特別是四川西部和云南西南部的自治州。

(2) 路網密度的影響。路網密度對礦產資源開采全局呈現負向影響(系數為-4.710～-0.097),其作用強度表現為由上游地區向下游地區逐漸減弱,呈現出西高東低的空間特征。從絕對值來看,上游地區回歸系數絕對值大于中、下游地區,說明上游地區的路網密度對礦產資源開采的影響作用更大,這與上游地區地理區位和整體社會發展水平有關。將路網密度與礦產資源開采密度分級匹配分析發現,回歸系數絕對值較高的上游地區主要表現為路網密度低但開采分布較多,而絕對值較低的下游地區主要表現為路網密度高但礦產資源開采較少。這是由于下游的長江三角洲是長江經濟帶礦產資源的主要消費區,該地區具有良好的交通運輸條件,但礦產開采較少,相比于上、中游地區,路網密度的變化對礦產資源開采的影響作用較小。

(3) 地區生產總值的影響。地區生產總值對礦產資源開采具有顯著的正向影響(系數為-0.162～4.698),其作用整體表現為由西南向東北遞減。表現為正向影響的城市占全區的95.38%,其中云南西南部地區主要表現為地區生產總值較低,同時礦產資源開采也較少,這些地區社會經濟發展水平較低,與礦產資源開采分布的正相關性高于其他地區。除云南外,在湖南、湖北、重慶、四川東部、貴州北部等地區,主要表現為地區生產總值較高,同時礦產資源開采分布較多。另外,地區生產總值的影響作用在4.62%的城市為負向,這在江西西南部地區表現顯著,這是由于該地區工業基礎薄弱,僅銅礦業企業為主要優勢經濟企業,再加上早期在西部大開發政策影響下,資金和人才投入西部,造成該地區整體發展緩慢,與長江三角洲地區的社會經濟發展水平差距更加明顯。

4 結 論

本文基于2011—2017年礦產資源開采數據,分析長江經濟帶礦產資源開采時空演變特征,利用GWR模型探究礦產資源開采的影響因素及其程度。

(1) 從時序特征變化看,長江經濟帶礦產資源開采數量總體趨于增長,且以非金屬礦產開采為主。

(2) 從空間變化看,長江經濟帶礦產資源開采空間集聚特征顯著,空間差異逐漸增大,主要集聚區分布在上中游地區,且與上揚子西緣、上揚子東緣、江南陸塊等重點成礦區耦合明顯,在貴州西北部和江西西部地區形成密度峰值區,整體上呈現以貴州和江西為主要密度核心的連綿狀空間分布。研究期內礦產資源開采活動主要開展在上中游地區,總體開采重心位于貴州,且由遵義市轉移到銅仁市。

(3) 基于GWR模型的研究結果表明,海拔高度、路網密度和地區生產總值等因素具有顯著影響效應。海拔高度對礦產資源開采具有正向影響,其影響在中游地區表現最為顯著;路網密度對礦產資源開采全局呈現負向影響,其作用強度由上游向下游逐漸減弱;地區生產總值對礦產資源開采具有顯著的正向影響,其作用整體表現出由西南向東北逐漸減弱。

當前長江經濟帶正處于礦業高質量發展階段,為了有效保護礦產資源,實現礦產資源合理、高效開發,需要科學分析礦產資源開采空間演變規律及其影響因素作用特征;礦產資源開采影響因素錯綜復雜,自然因素和社會經濟因素還不夠全面解釋其作用機制,礦業企業的發展政策和礦業活動管理政策等也是重要因素,這些問題還有待進一步的調查和研究。