中国矿业城市环境影响综合评价

夏凌娟 安琪儿 彭婉丽

[摘 要]矿业城市为社会经济发展提供了重要的物质基础，但其面临越来越多的环境问题。为分析矿业城市与非矿业城市在环境影响上的差别，评价各矿业城市的环境影响程度，本文对矿业城市进行了界定，然后采用灰色关联度综合评价方法，基于2011年的数据对中国89个地级矿业城市的环境影响水平进行了综合评价。结果显示：在环境影响的三个二级指标中，矿业城市的资源利用水平与非矿业城市相当，但污染物排放水平远高于非矿业城市，且环境修复能力低于非矿业城市。中国的矿业城市中环境保护水平存在较大的差异，且矿业就业人数所占比重与环境水平无关，与地域也没有明显的关系。

[关键词]矿业城市；就业人数；环境影响；灰色关联度；综合评价

doi：10.3969/j.issn.1673 - 0194.2016.04.164

[中图分类号]X826；F299.2 [文献标识码]A [文章编号]1673-0194（2016）04-0-03

0 引 言

矿业城市是指因矿产资源勘查开发而兴起或发展起来的城市。在城市群体中矿业城市是一个非常重要的组成部分，并且在许多的城市中矿业城市与矿产资源开发有着紧密的联系。随着资源不断的开发和利用，给矿业城市也带来了非常严峻的资源压力和环境问题。

为定量描述各矿业城市的环境影响，本文在概念界定的基础上，筛选出了89个矿业城市。然后构建了以环境修复、污染物排放和资源利用三方面内容的环境影响评价指标体系，并据此分析了矿业城市与非矿业城市在环境影响上的差别，最后采用灰色关联度法对89个矿业城市的环境影响水平进行了综合评价，识别了环境影响较大的城市，总结了矿业城市环境影响的区域特征。

1 研究矿业城市环境影响的数据和方法

本文界定的矿业城市为：采矿业就业人数占就业总人数的5%以上的城市。根据《中国城市年鉴2012》，中国共有地级市284个，其中符合本文标准的城市共有89个。

本文从两个方面研究矿业城市的环境影响：第一，矿业城市的环境影响指标与非矿业城市是否有显著差别；第二，矿业城市中，哪些地区对环境的影响更大，矿业城市的环境影响与地域上的规律。

本文采用灰色关联度分析对矿业城市的环境影响进行定量综合评价。灰色关联度分析（Grey Relation Analysis）是指提供一个相对客观的测度事物之间、因素之间关联性的大小，其基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密，曲线越接近，相应序列之间的关联度就越大，反之就越小。

灰色关联度法广泛应用于各类综合评价，比如评价多个公司的效益、对时间序列进行预测、最优决策选择、运输线路效果评价、民用节能住建筑评价、交通站的运输效率、顾客满意度、供应商评价以及医疗资源的集中程度。

2 构建环境保护水平测评指标体系

按照科学性、简约性、可行性及目的性的原则，在预选指标的基础上，对各个预选指标的可行性进行量化判断，进一步剔除掉鉴别力不强以及与其所属系统内主要指标高度相关的指标，建立了包括资源利用、污染物排放和环境修复3个方面共10个单项指标的测评体系（见表1）。其中，有些指标为正向指标，有些为负向指标。各指标数据来自《中国城市年鉴2012》。

3 矿业城市与非矿业城市对比结果

根据本文的界定，中国共有316座地级市，其中89座矿业城市。矿业城市和非矿业城市的环境影响差异如表2所示。由表2可以看出3个特征：①矿业城市与非矿业城市在资源消费指标上并无显著差异；②矿业城市的污染物排放水平显著高于非矿业城市；③矿业城市的环境修复水平略低于非矿业城市。总体来说，矿业城市的资源利用水平与非矿业城市相当，但污染物排放水平远高于非矿业城市，且环境修复能力低于非矿业城市。

图1是89个矿业城市环境保护水平灰色关联度的得分及其矿业就业人数所占比重分散图。灰色关联度得分越高，表示城市的环境水平越好。由图1可知，①各矿业城市的得分在0.67与0.92之间，说明中国的矿业城市中，环境保护水平存在较大的差异。值得注意的是，图1显示有3个城市的环境保护水平明显低于其他城市，说明这3个城市存在较为严重的环境问题。②矿业就业人数所占比重与环境水平无关，有些矿业城市矿业就业人数所占比重非常大，环境得分也很高。反之，有些城市矿业就业人数占比并不大，但环境水平较低。

表3是得分最高的10个城市各个指标的情况。由表3可知，环境水平较好的10城市得分在0.911和0.889之间。其中得分在0.90分以上的共有三个城市，分别为：松源、许昌和广元。由表3可以总结出两个特点：第一，虽然这些城市总体得分很高，但也存在某些指标较差。比如：排名第三的广元市人均用电量很高（X2），排名第四的广安单位GDP工业废水排放量（X5）非常大。其二，环境水平与地区无关，得分较高的10个城市分布于各个省份。

表4是得分最低的10个矿业城市各指标的情况。由表4可知，环境较差的城市包括攀枝花、白银、乌海、河池和鹤岗。其中，攀枝花、乌海、白银的得分明显低于其他城市。攀枝花市的人均用电量高达9 597千瓦时/人，比矿业城市平均值高出了近4倍；人均煤气使用量为1 481.28立方米/人，是矿业城市平均值58.59立方米/人的25倍。除此之外，攀枝花市的工业固体废物综合利用率、污水集中处理率都远低于平均水平。白银市的人均用电量、单位GDP工业二氧化硫排放量较高。乌海市的人均用水量和用电量极高，人均用水量为428.65吨/人，是矿业城市平均值的13倍；人均用电量为达到了26 691千瓦时/人，是所有矿业城市里最高的，是矿业城市平均水平的72倍。总体说来，环境影响较大的城市与其他城市有显著差别，说明这些城市的环境影响是亟待降低的，而且空间较大。此外，环境影响较大的矿业城市之间也有显著差别，不同的城市有不同的弱点，应具体分析各城市的特征，提出相应的对策。

4 结 语

为定量分析中国矿业城市的环境影响，本文在界定矿业城市的基础上，基于2011年的数据考察了中国矿业城市与非矿业城市在环境影响上的差异，然后采用灰色关联度分析方法对中国89个地级矿业城市的环境影响进行了综合评价，找出了环境影响较小的城市、环境影响最大的城市、矿业城市环境影响与采矿业就业人数占比的关系。

本文的研究对之后矿业城市的研究有一定的借鉴作用。具体表现在：①采用较为细致的统计数据，对地级矿业城市进行了定量刻画，发现按照采矿业就业人数占比大于5%的划分标准，中国284个地级市中有89个属于矿业城市。该划分标准可用于今后关于矿业城市的定量研究。②对所有地级矿业城市的环境影响进行了评价，找出了环境影响较大的城市，为日后分析典型矿业城市的环境问题提供了选择依据。

本文的主要结论有：矿业城市的资源利用水平与非矿业城市相当，但污染物排放水平远高于非矿业城市，且环境修复能力低于非矿业城市。中国的矿业城市中，环境保护水平存在较大的差异。矿业就业人数所占比重与环境水平无关，有些矿业城市矿业就业人数所占比重非常大，环境得分也很高。如果用采矿业就业人数占比表示各地区矿业的地位，则矿业地位越大，不代表环境影响越大。也就是说，在矿业地位增加的同时，可以有效控制环境影响，比如：七台河市。环境水平较好的城市包括松源、许昌和广元。环境较差的城市包括攀枝花、白银、乌海、河池和鹤岗。

主要参考文献

[1]TW Lee，CW Lin，SH Shin，et al .A Comparative Study on Financial Positions of Shipping Companies in Taiwan and Korea Using Entropy and Grey Relation Analysis[J].Expert Systems with Applications，2012（5）.

[2]H Jiang，W He.Grey Relational Grade in Local Support Vector Regression for Financial Time Series Prediction[J].Expert Systems with Applications，2012（3）.

[3]GW Wei. Grey Relational Analysis Method for 2-tuple Linguistic Multiple Attribute Group Decision Making with Incomplete Weight Information[J]. Expert Systems with Applications，2011（5）.

[4]YJ Wang. Combining grey relation analysis with FMCGDM to evaluate financial performance of Taiwan container lines[J].Expert Systems with Applications，2009（2）.

[5]Xie Y， & Mao， Z.Evaluation of Residential Energy-Saving Buildings Based on Grey Relational Analysis Method[J]. Procedia Engineering，2012（4）.

[6]Y Leng，C Kou，N Zhou，et al.Evaluation on Transfer Efficiency at Integrated Transport Terminals through Multilevel Grey Evaluation[C]// 8th International Conference on Traffic and Transportation Study， 2012.

[7]J Euss，R Hellweg，EV Caenegem，et al.Application of Grey Relational Analysis Method in Comprehensive Evaluation on the Customer Satisfaction of Automobile 4S Enterprises[J]. Physics Procedia，2012（1）.

[8]CC Hsu，JJH Liou，YC Chuang.Integrating DANP and Modified Grey relation Theory for the Selection of an Outsourcing Provider[J].Expert Systems with Applications， 2013（6）.

[9]WH Wu，CT Lin，KH Peng，CC Huang. Applying Hierarchical Grey Relation Clustering Analysis to Geographical Information Systems-A Case Study of the Hospitals in Taipei City[J].Expert Systems with Applications，2012（39）.