广西北部湾经济区国土开发风险评估研究

王尧，杨建锋，孟旭光

(1.中国地质调查局发展研究中心，北京100037;2.中国国土资源经济研究院，北京101149)

0 引言

广西北部湾经济区是中国西部地区唯一的沿海区域，于2008年纳入国家区域发展总体战略，工业化、城镇化进入高速发展阶段。科学评价国土空间特征、识别国土开发风险因子是北部湾经济区国土规划的重要基础。现阶段风险评估的研究热点已从健康风险评价转为生态风险评价，从单一污染物作用发展为考虑多种污染物的复合作用;研究类型从化学物污染转为化学物污染与非化学因子污染兼顾;评价范围由局部扩大到区域乃至全球;技术方法由定性转为半定量和定量。

目前，国土开发风险的研究也存在一些问题。(1)概念不统一。环境风险评价、生态风险评价、城市开发风险评价等概念在定义时侧重点有所不同，均不能全面衡量区域国土开发风险。(2)国土开发风险综合研究较少。近年来国内外学者对各类风险开展了深入的研究［1－21］，但对这些风险的综合分析研究还很少。(3)区域尺度上国土开发风险评估研究比较欠缺。受方法、数据等一系列条件的限制，国内的相关研究多以区县、流域或更小的行政单位为研究单元，在区域尺度上开展的研究相对较少。(4)风险评估方法多样，但在大尺度的研究中可操作性较差。操作便捷、涉及指标少的方法其评价结果往往不够可靠，而一些较为可靠的模型如系统动力学模型在模型构建过程中需要建立复杂的反馈关系，在大区域的研究中其结果也存在一定的不确定性。

本研究以北部湾经济区为区域尺度上研究的代表，对区域国土开发风险评价的理论和实践进行探索，为区域国土开发风险评估方法的研究提供新的思路和可借鉴的经验。界定国土开发风险评估包括3层含义:一是对不同区域资源环境承载力、开发动力和发展潜力等要素进行综合分析，明确风险程度;二是以自然环境要素、社会经济发展水平、生态系统特征及人类活动形式的空间分异为依据，划分不同等级的风险区;三是在明确风险类型、风险分布、风险程度等的基础上，提出风险防范措施。本研究旨在明确沿海经济区国土开发风险的格局、特征和机制，为国土规划风险评估的区域尺度研究提供案例支持，为沿海经济区国土规划提供决策参考。

1 研究区概况

北部湾经济区位于广西壮族自治区中南部(107°22'～109°05'E，21°27'～24°03'N)，包括南宁市、北海市、钦州市、防城港市、玉林市和崇左市(图1)。全区总人口2 212万人，土地总面积734万hm2。区域内台地广布，丘陵平原面积较大;海底蕴藏着丰富的石油和天然气资源，矿产资源以非金属矿产为主;水资源丰富，境内有珠江流域的西江水系和滨海流域的桂南沿海诸河水系，多年平均水资源量为349.6亿m3;经济区海域面积为12.93万hm2，海岸线东起白沙半岛广西广东交界处的高桥镇，西至中越边境的北仑河口，大陆海岸线总长1 628.59 km。

图1 北部湾经济区行政区位图Fig.1 Location of Beibu Gulf economic zone

北部湾经济区国土开发面临的风险群主要有:土地资源开发风险群，包括水土流失风险、土壤污染风险、地质灾害风险、耕地中低产风险、土地“三化”风险;水资源开发风险群，包括洪涝灾害风险、旱灾风险、水环境污染风险;海洋资源开发风险群，包括开发利用的空间布局不够合理、海洋产业结构需要调整、科技水平总体偏低、海洋环境污染和生态退化现象;矿产资源开发风险群，包括综合利用水平低、深加工能力不足、商业性矿产勘查机制尚未形成、矿山地质灾害、占用及破坏土地资源、对地下水系统的影响和破坏、废水废渣对环境的影响。

2 研究数据和方法

2.1 研究数据

研究数据包括2009年土地利用调查数据、矿产资源统计数据、地质灾害调查数据、生态保护数据、污染物调查数据、水资源量调查数据、国际科学数据服务平台上的30 m分辨率数字高程数据和坡度数据、中国气象科学数据共享服务网上的北部湾经济区及周边27个气象站点2000—2010年逐月气象观测资料(包括气压、日照时数、最高最低温度、平均温度、平均相对湿度、平均风速等)、2009年北部湾经济区土地利用数据、国家自然科学基金委员会“中国西部环境与生态科学数据中心”(http://westdc.westgis.ac.cn)的中国1∶100万土壤图、全国1∶25万地理地图中的交通数据(包括高速铁路、一般铁路、高速公路、国道和省道等)、1∶20万北部湾经济区2009年土地利用分布图、《北部湾经济区国土规划2011—2030年》［22］中的规划城市发展组团数据等。

2.2 研究方法

2.2.1 资源环境承载力计算。采用层次分析法设计评价指标体系，将资源环境承载力综合评价作为目标层，将具体评价资源环境承载力的指标作为指标层。构建的资源环境承载力综合评价指标体系涵盖了土地资源、水资源、地质环境和生物环境4个一级指标、6个二级指标，采用T.L.Saaty［23］的1～9比较标度法确定各指标权重(表1)。采用指标加权平均法建立评价数学模型:

表1 资源环境承载力评价指标体系Tab.1 Index system of resources and environment carrying capacity

式中:V为综合加权评价分值;Wi为各指标权重;Bi为各指标评价分值;n为指标个数。

2.2.2 国土开发潜力计算。将国土开发潜力定义为国土开发理论潜力减去国土开发的综合限制性后得到的可开发土地。国土开发的潜力越大，国土开发的风险越低。将国土开发理论潜力定义为从行政区总面积中扣除现有的城乡建设用地、水利设施用地、特殊用地、交通运输用地后，剩余的可开发利用的土地面积占总面积的比例。具体计算公式为:

式中:Qs为国土开发潜力;Ql为国土开发理论潜力;P1，P2，P3，P4分别为城乡建设用地、特殊用地、交通运输用地和水利设施用地占总面积的比例;Z1，Z2，Z3，Z4，Z5分别为地形、地质灾害、气候、生态安全、粮食安全等限制性因素。

2.2.3 国土开发动力计算。综合交通通达性、现有城乡建设用地影响力和规划城市群影响力计算国土开发动力。首先，计算出交通通达性、现有城乡建设用地影响力和城市群影响力的平均值;其次，将计算结果线性标准化到0～100之间，得到国土开发动力;最后，采用自然间断点分级法(Jenks)分类，将北部湾经济区的国土开发动力分为低、较低、中等、较高和高5个类别。①交通通达性。以某一地区距高速铁路、一般铁路、高速公路、国道和省道等交通干线的距离来综合反映该地区的交通通达性。首先，通过空间分析分别计算得到空间分辨率为30 m的距一般铁路、高速公路、国道和一级公路的最短距离分布图;其次，将以上计算结果分别线性标准化到0～100之间，计算交通通达性;最后，采用自然间断点分级法(Jenks)分类。交通通达性计算公式为:T=∑Ti/n。式中:T表示某一地区的交通通达性;Ti表示将该地区距第i种交通干线的距离线性标准化值。②城乡建设用地影响力。以某一地区距现有城乡建设用地的距离来反映现有城乡建设用地对该地区的影响力。首先，通过空间分析计算出距现有城乡建设用地的最短距离分布图;其次，将以上计算结果线性标准化到0～100之间以便于国土开发动力的计算;最后，采用自然间断点分级法(Jenks)分类，将北部湾经济区的现有城乡建设用地影响力分为低、较低、中等、较高和高5个类别。现有城乡建设用地影响力的值越大，说明该地区距现有城乡建设用地越近，现有城乡建设用地对该地区的影响力越大。③规划城市组团影响力。以某一地区距规划城市组团的距离来反映规划城市组团对该地区的影响力。首先，通过空间分析计算出距规划城市组团的最短距离分布图;其次，将以上计算结果线性标准化到0～100之间以便于国土开发动力的计算;最后，采用自然间断点分级法(Jenks)分类，将北部湾经济区的规划城市组团影响力分为低、较低、中等、较高和高5个类别。规划城市组团影响力的值越大，说明该地区距规划城市组团越近，规划城市组团对该地区的影响力越大。

2.2.4 国土开发风险计算。三维风险矩阵即三维魔方图法，是将资源环境承载力、国土开发潜力和现有开发动力这三大类指标统一在一个框架内，在一个三维空间中形成3×3×3的魔方图(图2)，即共有27种组合类型，每种组合类型代表的区域具有不同的开发风险。具体来讲，采用自然间断点分级法(Jenks)，将资源环境承载力、现有开发动力和区域发展潜力三大类指标分别聚类为低、中和高3类，分别赋值1，2，3。各栅格可用1，2，3的组合表示其坐标，每种组合代表三维魔方图中的一个魔方单元，根据每个魔方单元对应的风险等级，从而得到各栅格的风险等级，包括低风险、较低风险、中等风险和高风险(表2)。本研究将无潜力区定义为极高风险区，不参与三维风险矩阵计算。

图2 国土开发风险三维魔方区划模型Fig.2 Three dimension risk matrix model representing terrestrial resources exploration risk

表2 国土开发风险三维魔方单元与风险等级定位Tab.2 The units of magic cube and orientation of major development function

低风险区是指资源环境承载力高、开发动力较低、开发潜力较大的地区，适合大规模开发，风险低。较低风险区是指资源环境承载力较高、开发动力和开发潜力一般的地区，可以作为后备的重点开发区，在开发的过程中应注意对生态环境的影响，进行有计划地逐步开发。中等风险区是指开发动力高、资源环境承载力减弱但开发潜力仍较大的地区，应调整优化经济结构，转变经济增长方式。高风险区是指资源环境承载力低、开发动力较高、开发潜力一般的地区，这些地区应充分保护资源环境，进行适度开发。极高风险区是指无开发潜力的地区，这些地区不易进行开发活动。

3 结果与分析

3.1 资源环境承载力分析

资源环境承载力单因素分析结果显示，北部湾经济区超过一半的土地脆弱程度较高。土地系统脆弱地区主要分布在北部湾经济区的中北区和东部地区，南宁、玉林、北海、钦州的土地比较脆弱，防城港、崇左的土地状况比较理想;北部湾经济区地表水环境容量表现为无超载，广西近岸海域海水环境质量较好，大部分为清洁和较清洁海域，水环境承载力情况优良;北部湾经济区地质灾害相对于全区危险性较轻，但存在较多的不稳定边坡，容易引发地质灾害;北部湾经济区绝大部分地区都是生态重要地区，仅崇左、玉林两市城区，天等、隆安、宾阳三县，以及沿海部分县市生态重要性程度较低。

结合北部湾经济区行政区划图，利用ArcGIS的空间图形表达功能，在地图上标识各区县与空间聚类类型的归属关系，从而得到北部湾经济区资源环境承载力综合分区图(图3)。高承载力地区资源环境承载能力整体较强，主要包括马山县、防城区、钦南区、合浦县、海城区和玉林市大部分县区在内的11个区县，占经济区总面积的30%。可利用土地资源、水资源相对较为丰富，地质、水环境状况优良，生态脆弱程度较低，生态重要程度不高，生态环境的支撑能力较强。中等承载力地区资源环境承载能力整体处于中等水平，主要包括南宁市的隆安县和上林县、东兴市、北海市的银海区、铁山港区以及崇左市和钦州市的大部分县区在内的14个区县，占经济区总面积的45%。多数区县可利用土地资源相对较少，部分区县水资源也较缺乏，地质安全处于中等以上水平，水环境、大气环境状况良好，生态脆弱性与生态重要性程度一般。低承载力地区资源环境承载能力相对较差，包括崇左的江州区、凭祥市和天等县、防城港的港口区和南宁市大部分地区，共12个区县，占经济区总面积的25%。可利用土地资源相对较少，可利用水资源较丰富，地质环境较安全，水环境、大气环境状况良好，生态系统略脆弱，生态重要性程度较高。整体上，生态环境承载力相对要优于资源承载力。

图3 北部湾经济区资源环境承载力聚类结果Fig.3 Cluster analysis of resource and environment carrying capacity of Beibu Gulf economic zone

3.2 国土开发潜力分析

国土开发潜力聚类结果(图4)表明，北部湾经济区国土开发理论潜力总体较大，东西部空间差异显著。理论潜力较大的区域主要分布于西部高原、山地等地区，南部沿海平原区潜力较小。钦州市国土开发潜力整体较高，崇左市中南部和南宁市北部地区国土开发潜力较高，玉林市和北海市国土开发潜力偏低，土壤石漠化严重的崇左市北部的天等县以及基本农田广布的南宁市大面积地区无开发潜力。

图4 北部湾经济区国土开发潜力聚类结果Fig.4 Cluster analysis of terrestrial exploration potential in Beibu Gulf economic zone

3.3 国土开发动力分析

北部湾经济区国土开发动力特征(图5)表明，北部湾经济区沿海和边境地区国土开发动力明显高于内陆地区;北部湾经济区中南部开发动力高于北部地区;北海市、防城港市全市国土开发动力的级别均较高，南宁市中心和玉林市中心及周边地区开发动力也较高。

3.4 国土开发风险分析

综合分析北部湾经济区国土空间特征及区域差异，在区位理论及三维魔方区划模型的支持下，进行国土开发风险定量表达和分区，得到北部湾经济区国土开发风险区划方案(图6)。

图5 北部湾经济区国土开发动力聚类结果Fig.5 Cluster analysis of terrestrial resources exploration dynamics in Beibu Gulf economic zone

图6 北部湾经济区国土开发风险区划图Fig.6 Division of risk of terrestrial resources exploration in Beibu Gulf economic zone

3.4.1 低风险区。这些地区的共同特征是资源环境承载力高，国土开发强度较低，未来开发潜力大。低风险区应充分发挥其土地资源、水资源、地质环境、生态系统等方面优势，加大基础设施投资力度，加快推进新型城镇化建设，承接劳动密集型产业转移和人口转移。重点发展高技术产业、加工制造业、商贸业和金融、会展、物流等现代服务业，推动企业集聚，促进产业集群发展。促进区域产业结构调整的同时要加大资源环境保护力度。

3.4.2 较低风险区。这些地区的共同特征是资源环境承载力较高，现有开发动力和区域开发潜力一般。较低风险区作为后备的重点开发区，应注意经济活动对生态环境的影响，统筹考虑资源消耗、污染排放、生态保护等，对资源环境影响进行存量优化，有序开发。建设以先进制造业和现代服务业为主导的宜居创业区域性现代化中心城市、承接产业转移的重要基地、中小企业名城和统筹城乡发展的示范区。加强农业资源保护和产业提升，引导实现资源节约集约利用，协调农业生产空间保护和城镇化、工业化空间拓展的关系。

3.4.3 中等风险区。这些地区的共同特征是人口密集，管道煤气、废弃物收集与处理、水利工程、道路等基础设施开发强度较高，同时由于地形、气候、区位等的优势，生态环境容量、粮食生产水平较高，区域仍具有较大的发展潜力。中等风险区应兼顾环境质量和经济效益的提高。加强对自然保护区、生态公益林、水源保护区等的保护;加快形成配套完善、市场竞争力强的石油化工、冶金、电子信息、造纸等产业集群，打造临海环保型重化工产业带;加快经济发展方式转变，在改造提升传统产业的同时，积极培育生物医药、海洋产业、造船等新兴产业，形成新的经济增长点。

3.4.4 高风险区。这些地区的共同特征是资源环境承载力弱，现有开发动力低，人口稀疏，区内生态自然保护区广泛分布，环境脆弱度高，发展潜力一般。高风险区要坚持生态保护优先、资源集约开发、点状布局发展的原则，严格落实生物多样性保护、生态公益林建设、生态修复和石漠化治理等生态保护和环境治理等相关政策;落实公益林补偿政策、跨行政区水资源保护等生态补偿机制;落实整村推进、异地扶贫搬迁、以工代赈等扶贫政策;落实生态移民、发展特色经济等政策。

3.4.5 极高风险区。极高风险区要严格保护自然景观、自然环境，不得随意改变现有生态环境。除了必要的保护设施和附属设施外，严禁任何生产建设活动。要降低人类活动密度，将已有产业活动逐步迁出。天等、马山、上林等县域石漠化问题严重，生态环境脆弱，需要进一步加大林地等基础性生态用地保护，加强土壤保持、水源涵养等生态功能。加强玉林市六万山等水源涵养重要生态功能区保护建设。

4 结论与建议

(1)国土开发风险评估结果表明，高风险和极高风险区面积约占全区土地面积的2/3，总体高风险是北部湾经济区国土空间开发的突出特征，需要合理定位各类风险区未来国土开发方向。国土开发低风险区主要分布在马山县、隆安县、陆川县、北流市、容县和大新县等地区，应加快推进新型城镇化建设，承接其他区域的产业和人口转移，同时加大资源环境保护力度，避免出现掠夺式开发;钦州市、横县、隆安县、扶绥县以及玉林的东部和南部边界等地区有一定的较低风险国土可以开发，应统筹考虑资源消耗、污染排放、生态保护等，避免区域资源环境承载能力发生大规模衰竭，有序开发;中等风险区在各个区县均有分布，集中分布在南宁市市区、玉林市中北部地区、崇左市南部地区、钦南区、钦北区、防城区以及合浦县，发展要兼顾环境效益和经济效益，率先调整优化经济结构，加快实现经济发展方式的根本转变;国土开发高风险区主要分布在良庆区、邑宁区、宾阳县和武鸣县、港口区、江州区、宁明县、博白县以及北海市的沿海地区等县区，要坚持生态保护优先、资源集约开发、点状布局发展原则，因地制宜发展生态产业和特殊旅游业，逐步变成北部湾经济区重要生态功能区;天等县、大新县、上林县、江州区、武鸣县和宾阳县等区县的极高风险区域面积比例高达60%以上，除了必要的保护设施和附属设施外，严禁任何生产建设活动，将已有产业活动逐步迁出。

(2)针对北部湾经济区存在的土地资源、水资源和矿产资源开发利用风险，从继续稳定耕地规模、适度提高建设用地规模、提高建设用地节约集约利用水平、完善经济区城市地震灾害防治机制、提高供水能力、严格节水标准、加强水质监管治理、加强地质勘查推进找矿突破、调整能源结构延伸产业链、保障矿产资源供需平衡等方面防治土地资源、水资源和矿产资源开发风险。

(3)三维风险矩阵评价法是基于多个国土开发系统指标的综合评价，可以弥补其他方法的不足，用于区域国土开发风险综合评价有着广阔的前景。

［1］Mortberg U M，Balfors B，Knol W C.Landscape Ecological Assessment:A Tool for Integrating Biodiversity Issues in Strategic Environmental Assessment and Planning［J］.Journal of Environmental Management，2007，82(4):457－470.

［2］Ayalew L，Yamagishi H.The Application of GIS Based Logistic Regression for Landslide Susceptibility Mapping in the Kakuda Yahiko Mountains［J］.Central Japan Geomorphology，2005，65(1/2):15－31.

［3］Biswajeet P，Saro L.Utilization of Optieal Remote Sensing Data and GIS Tools for Regional Landslide Hazard Analysis Using an Artificial Neural Network Model［J］.Earth Science Frontiers，2007，14(6):143－151.

［4］Du J C，Teng H C.3D Laser Scanning and GPS Technology for Landslide Earthwork Volume Estimation［J］.Automation in Construction，2007，16(5):657－663.

［5］Noferini L，Pieraccini M，Mecatti D，et al.Using GB-SAR Technique to Monitor Slow Moving Landslide［J］.Engineering Geology，2007，95(3/4):55－95.

［6］Zhou J B，Zou J.Vulnerability Assessment of Water Resources to Climate Change in Chinese Cities［J］.Ecological Economy，2010，6(2):106－114.

［7］Sullivan C A.Quantifying Water Vulnerability:A Multi-dimensional Approach［J］.Stochastic Environmental Research and Risk Assessment，2010，25(4):627－640.

［8］Hope B K.An Examination of Ecological Risk Assessment and Management Practices［J］.Environment International，2006，32(8):983－995.

［9］de Paz J M，Sanchez J，Visconti F.Combined Use of GIS and Environmental Indicators for Assessment of Chemical，Physical and Biological Soil Degradation in a Spanish Mediterranean Region［J］.Journal of Environmental Management，2006，79(2):150－162.

［10］Lu W Z，Wang W J.Potential Assessment of the“Support Vector Machine”Method in Forecasting Ambient Air Pollutant Trends［J］.Chemosphere，2005，59(5):693－701.

［11］吴次芳，潘文灿.国土规划的理论与方法［M］.北京:科学出版社，2003.

［12］景垠娜.自然灾害风险评估［D］.上海:上海师范大学，2010.

［13］刘勇.基于空间信息技术的土地生态风险评价研究［D］.上海:上海大学，2008.

［14］赵璐.基于信息扩散和模糊综合评价方法的矿产资源开发环境风险评价研究［D］.成都:成都理工大学，2011.

［15］许玲燕，王慧敏，马显莹，等.云南旱灾风险管理框架及对策研究［J］.地域研究与开发，2013，32(2):103－108.

［16］刘耀龙.多尺度自然灾害情景风险评估与区划［D］.上海:华东师范大学，2011.

［17］潘安定，刘会平，杨木壮，等.广州洪灾风险评价研究［J］.地域研究与开发，2010，29(5):104－109.

［18］王宇飞，盖美，耿雅冬.辽宁沿海经济带水资源短缺风险评价［J］.地域研究与开发，2013，32(2):96－102.

［19］傅丽华.基于景观结构的长株潭核心区土地利用生态风险调控研究［D］.长沙:湖南师范大学，2012.

［20］颜磊，许学工.区域生态风险评价研究进展［J］.地域研究与开发，2010，29(1):113－118.

［21］段海来，千怀遂，杜尧.未来气候情景下中国亚热带地区柑桔气候风险度变化［J］.自然资源学报，2011，26(6):971－980.

［22］姚华军，孟旭光，强真，等.广西北部湾经济区国土规划(2011—2030年)［R］.北京:中国国土资源经济研究院，2011.

［23］Saaty T L.Modeling Unstructured Decision Problems:The Theory of Analytical Hierarchies［J］.Mathematics and Computers in Simulation，1978，20(3):147－158.